引用
Calado D, Pardal M L.Tamper-Proof Incentive Scheme for Mobile Crowdsensing Systems[C]// 2018 IEEE 17th International Symposium on Network Computing and Applications (NCA). IEEE, 2018.
摘要
群智感知是指通過人們已有的移動設備形成交互式的、參與式的感知網絡，並將感知任務發佈給網絡中的個體或群體來完成，從而幫助專業人員或公眾收集數據、分析信息和共享知識。由於設備資源消耗及隱私問題，群智感知參與者積極性不高，需要激勵機制來激勵更多的用戶加入群智感知。本文介紹了由服務器組件和移動應用程序實現的移動群智感知系統原型，提出一種移動群智感知系統的防篡改激勵方案。激勵方案為獎勵積極參與者分數，激勵記錄使用區塊鏈存儲在防篡改賬本中。最後論文介紹了評估此方案的實驗，證明該方案具有實用性，可以用來激勵群智感知的參與者。
技術介紹：
1、群智感知系統
本文介紹的群智感知平臺基於Medusa系統實現了任務管理，基於AnonySense實現了隱私保護。Medusa是一個用於群智感知程序的編程框架，提供了一個高級抽象來創建任務。其目標是通過實現針對不熟悉編程的人的編程語言來簡化群智感知任務的創建和管理。AnonySense是一個在移動眾包任務中提供安全性和隱私的框架，其主要目標是在任務執行、分發和報告提交中保護用戶隱私。AnonySense通過由一組用戶用的簽名提供一種身份驗證形式，並允許系統在不知道用戶是誰的情況下驗證組成員。在消息傳遞方面，AnonySense通過移動設備和系統之間的代理服務器鏈提供匿名性，該服務器對消息進行混洗來隱藏原始發送者。
引用
Calado D, Pardal M L.Tamper-Proof Incentive Scheme for Mobile Crowdsensing Systems[C]// 2018 IEEE 17th International Symposium on Network Computing and Applications (NCA). IEEE, 2018.
摘要
群智感知是指通過人們已有的移動設備形成交互式的、參與式的感知網絡，並將感知任務發佈給網絡中的個體或群體來完成，從而幫助專業人員或公眾收集數據、分析信息和共享知識。由於設備資源消耗及隱私問題，群智感知參與者積極性不高，需要激勵機制來激勵更多的用戶加入群智感知。本文介紹了由服務器組件和移動應用程序實現的移動群智感知系統原型，提出一種移動群智感知系統的防篡改激勵方案。激勵方案為獎勵積極參與者分數，激勵記錄使用區塊鏈存儲在防篡改賬本中。最後論文介紹了評估此方案的實驗，證明該方案具有實用性，可以用來激勵群智感知的參與者。
技術介紹：
1、群智感知系統
本文介紹的群智感知平臺基於Medusa系統實現了任務管理，基於AnonySense實現了隱私保護。Medusa是一個用於群智感知程序的編程框架，提供了一個高級抽象來創建任務。其目標是通過實現針對不熟悉編程的人的編程語言來簡化群智感知任務的創建和管理。AnonySense是一個在移動眾包任務中提供安全性和隱私的框架，其主要目標是在任務執行、分發和報告提交中保護用戶隱私。AnonySense通過由一組用戶用的簽名提供一種身份驗證形式，並允許系統在不知道用戶是誰的情況下驗證組成員。在消息傳遞方面，AnonySense通過移動設備和系統之間的代理服務器鏈提供匿名性，該服務器對消息進行混洗來隱藏原始發送者。
圖1 群智感知系統架構
為了管理傳感任務，本文提出了一具有六個主要模塊的系統架構。如圖1所示，API是一個入口點，負責接收來自用戶的請求並將它們路由到目的地。Task Creator模塊是接收任務規範並在系統中創建此實體並在必要時應用規則的節點，它接受兩種類型的任務：感知和交互。感知任務指定要在給定GPS位置使用的傳感器（機會主義感測）。交互式任務指定一個問題和一組可能的答案（參與感測）。Task Distributor模塊將任務分發給註冊用戶，用戶可以按主題名稱訂閱任務，該主題名稱與任務規範一起指定，並且可以在同一主題中創建更多任務。Incentive Engine模塊跟蹤用戶操作及其各自的獎勵。Report Aggregator模塊收集報告。Repository將存儲所有實體，如用戶、任務和報告。
引用
Calado D, Pardal M L.Tamper-Proof Incentive Scheme for Mobile Crowdsensing Systems[C]// 2018 IEEE 17th International Symposium on Network Computing and Applications (NCA). IEEE, 2018.
摘要
群智感知是指通過人們已有的移動設備形成交互式的、參與式的感知網絡，並將感知任務發佈給網絡中的個體或群體來完成，從而幫助專業人員或公眾收集數據、分析信息和共享知識。由於設備資源消耗及隱私問題，群智感知參與者積極性不高，需要激勵機制來激勵更多的用戶加入群智感知。本文介紹了由服務器組件和移動應用程序實現的移動群智感知系統原型，提出一種移動群智感知系統的防篡改激勵方案。激勵方案為獎勵積極參與者分數，激勵記錄使用區塊鏈存儲在防篡改賬本中。最後論文介紹了評估此方案的實驗，證明該方案具有實用性，可以用來激勵群智感知的參與者。
技術介紹：
1、群智感知系統
本文介紹的群智感知平臺基於Medusa系統實現了任務管理，基於AnonySense實現了隱私保護。Medusa是一個用於群智感知程序的編程框架，提供了一個高級抽象來創建任務。其目標是通過實現針對不熟悉編程的人的編程語言來簡化群智感知任務的創建和管理。AnonySense是一個在移動眾包任務中提供安全性和隱私的框架，其主要目標是在任務執行、分發和報告提交中保護用戶隱私。AnonySense通過由一組用戶用的簽名提供一種身份驗證形式，並允許系統在不知道用戶是誰的情況下驗證組成員。在消息傳遞方面，AnonySense通過移動設備和系統之間的代理服務器鏈提供匿名性，該服務器對消息進行混洗來隱藏原始發送者。
圖1 群智感知系統架構
為了管理傳感任務，本文提出了一具有六個主要模塊的系統架構。如圖1所示，API是一個入口點，負責接收來自用戶的請求並將它們路由到目的地。Task Creator模塊是接收任務規範並在系統中創建此實體並在必要時應用規則的節點，它接受兩種類型的任務：感知和交互。感知任務指定要在給定GPS位置使用的傳感器（機會主義感測）。交互式任務指定一個問題和一組可能的答案（參與感測）。Task Distributor模塊將任務分發給註冊用戶，用戶可以按主題名稱訂閱任務，該主題名稱與任務規範一起指定，並且可以在同一主題中創建更多任務。Incentive Engine模塊跟蹤用戶操作及其各自的獎勵。Report Aggregator模塊收集報告。Repository將存儲所有實體，如用戶、任務和報告。
圖2 群智感知平臺與客戶互動
眾包系統如圖2所示，展示了平臺與用戶之間的交互，包括參與或創建社區、創建任務、報告結果並獲得獎勵。我們在包含平臺基礎結構一部分的Web服務器中部署了包含模塊的服務器。Web服務器向客戶端應用程序提供REST API，以便將每個請求通信並轉發到相應的模塊。激勵方案在服務器中運行並協調Multichain節點之間的激勵事務。客戶端應用程序是在Android中開發的，但由於後端API是跨平臺的，因此它允許與其他編程語言和操作系統集成。
2、激勵機制
由於這是一個社區環境，我們不希望要求中央機構檢查激勵交易是否屬實，或者某個特定用戶是否試圖通過改變激勵交易來欺騙社區。為此，我們在所有參與者之間使用了分佈式分類帳，他們可以檢查過去所有交易的完整性。為了實現這一點，每個用戶都需要為分類帳（在家中或在雲中運行）提供計算機資源，並使用智能手機資源進行傳感。我們的分類帳實施與Multichain集成，允許為資產構建私有區塊鏈。資產存儲記錄在分類帳交易中的積分或獎盃（而不是金錢）。Multichain使用挖掘多樣性的概念，該概念指出有一定比例的用戶能夠在不重複的情況下驗證相鄰塊。 例如，使用等式1來確定用戶必須等待以驗證下一個塊的間隔。 如果挖掘多樣性為0.5且礦工數量為10，則能夠驗證下一個塊的間隔為5，因此用戶必須等待5個塊才能生成另一個塊。這強制規則使用用戶之間的輪換來創建塊，以避免挖掘塊的壟斷並提高區塊鏈的整體公平性。
當用戶在社區中註冊自己時，要求她提供計算機節點以參與區塊鏈。此步驟將授權節點參與Multichain網絡，並利用用戶資源來維持激勵驗證過程。此驗證具有計算成本，具體取決於安全需求。例如，可以通過要求散列結果具有更少或更多的零來調整成本，就像在比特幣中一樣。計算成本應與系統處理的值充分匹配。如有必要，用戶可以通過添加更多機器作為礦工來貢獻更多資金來支持此流程，並且此貢獻將反映在獎勵值中。
在系統原型中，每個用戶在註冊階段收到1000分。任務創建花費100分，任務響應獲得50分。在開始時，在Multichain主節點中創建名為Points的資產，以便將資產傳輸到Multichain節點。加入或創建社區的每個用戶都必須在其計算機中運行Multichain節點，並且為了訪問社區區塊鏈，她必須將其Multichain地址發送到Multichain主節點。完成這些步驟後，她可以創建任務並參與其他任務。在任務創建中，用戶使用其規範創建任務，並使用她的Multichain地址將激勵轉移到系統以支付任務費用。當用戶因共享而獲得獎勵時，相同的過程（但是以相反的順序）發生，其中系統將激勵轉移到用戶錢包。
引用
Calado D, Pardal M L.Tamper-Proof Incentive Scheme for Mobile Crowdsensing Systems[C]// 2018 IEEE 17th International Symposium on Network Computing and Applications (NCA). IEEE, 2018.
摘要
群智感知是指通過人們已有的移動設備形成交互式的、參與式的感知網絡，並將感知任務發佈給網絡中的個體或群體來完成，從而幫助專業人員或公眾收集數據、分析信息和共享知識。由於設備資源消耗及隱私問題，群智感知參與者積極性不高，需要激勵機制來激勵更多的用戶加入群智感知。本文介紹了由服務器組件和移動應用程序實現的移動群智感知系統原型，提出一種移動群智感知系統的防篡改激勵方案。激勵方案為獎勵積極參與者分數，激勵記錄使用區塊鏈存儲在防篡改賬本中。最後論文介紹了評估此方案的實驗，證明該方案具有實用性，可以用來激勵群智感知的參與者。
技術介紹：
1、群智感知系統
本文介紹的群智感知平臺基於Medusa系統實現了任務管理，基於AnonySense實現了隱私保護。Medusa是一個用於群智感知程序的編程框架，提供了一個高級抽象來創建任務。其目標是通過實現針對不熟悉編程的人的編程語言來簡化群智感知任務的創建和管理。AnonySense是一個在移動眾包任務中提供安全性和隱私的框架，其主要目標是在任務執行、分發和報告提交中保護用戶隱私。AnonySense通過由一組用戶用的簽名提供一種身份驗證形式，並允許系統在不知道用戶是誰的情況下驗證組成員。在消息傳遞方面，AnonySense通過移動設備和系統之間的代理服務器鏈提供匿名性，該服務器對消息進行混洗來隱藏原始發送者。
圖1 群智感知系統架構
為了管理傳感任務，本文提出了一具有六個主要模塊的系統架構。如圖1所示，API是一個入口點，負責接收來自用戶的請求並將它們路由到目的地。Task Creator模塊是接收任務規範並在系統中創建此實體並在必要時應用規則的節點，它接受兩種類型的任務：感知和交互。感知任務指定要在給定GPS位置使用的傳感器（機會主義感測）。交互式任務指定一個問題和一組可能的答案（參與感測）。Task Distributor模塊將任務分發給註冊用戶，用戶可以按主題名稱訂閱任務，該主題名稱與任務規範一起指定，並且可以在同一主題中創建更多任務。Incentive Engine模塊跟蹤用戶操作及其各自的獎勵。Report Aggregator模塊收集報告。Repository將存儲所有實體，如用戶、任務和報告。
圖2 群智感知平臺與客戶互動
眾包系統如圖2所示，展示了平臺與用戶之間的交互，包括參與或創建社區、創建任務、報告結果並獲得獎勵。我們在包含平臺基礎結構一部分的Web服務器中部署了包含模塊的服務器。Web服務器向客戶端應用程序提供REST API，以便將每個請求通信並轉發到相應的模塊。激勵方案在服務器中運行並協調Multichain節點之間的激勵事務。客戶端應用程序是在Android中開發的，但由於後端API是跨平臺的，因此它允許與其他編程語言和操作系統集成。
2、激勵機制
由於這是一個社區環境，我們不希望要求中央機構檢查激勵交易是否屬實，或者某個特定用戶是否試圖通過改變激勵交易來欺騙社區。為此，我們在所有參與者之間使用了分佈式分類帳，他們可以檢查過去所有交易的完整性。為了實現這一點，每個用戶都需要為分類帳（在家中或在雲中運行）提供計算機資源，並使用智能手機資源進行傳感。我們的分類帳實施與Multichain集成，允許為資產構建私有區塊鏈。資產存儲記錄在分類帳交易中的積分或獎盃（而不是金錢）。Multichain使用挖掘多樣性的概念，該概念指出有一定比例的用戶能夠在不重複的情況下驗證相鄰塊。 例如，使用等式1來確定用戶必須等待以驗證下一個塊的間隔。 如果挖掘多樣性為0.5且礦工數量為10，則能夠驗證下一個塊的間隔為5，因此用戶必須等待5個塊才能生成另一個塊。這強制規則使用用戶之間的輪換來創建塊，以避免挖掘塊的壟斷並提高區塊鏈的整體公平性。
當用戶在社區中註冊自己時，要求她提供計算機節點以參與區塊鏈。此步驟將授權節點參與Multichain網絡，並利用用戶資源來維持激勵驗證過程。此驗證具有計算成本，具體取決於安全需求。例如，可以通過要求散列結果具有更少或更多的零來調整成本，就像在比特幣中一樣。計算成本應與系統處理的值充分匹配。如有必要，用戶可以通過添加更多機器作為礦工來貢獻更多資金來支持此流程，並且此貢獻將反映在獎勵值中。
在系統原型中，每個用戶在註冊階段收到1000分。任務創建花費100分，任務響應獲得50分。在開始時，在Multichain主節點中創建名為Points的資產，以便將資產傳輸到Multichain節點。加入或創建社區的每個用戶都必須在其計算機中運行Multichain節點，並且為了訪問社區區塊鏈，她必須將其Multichain地址發送到Multichain主節點。完成這些步驟後，她可以創建任務並參與其他任務。在任務創建中，用戶使用其規範創建任務，並使用她的Multichain地址將激勵轉移到系統以支付任務費用。當用戶因共享而獲得獎勵時，相同的過程（但是以相反的順序）發生，其中系統將激勵轉移到用戶錢包。
激勵計劃包括處理異常值的數據質量程序，因此它們不會極大地偏向激勵。我們使用統計方法來區分異常值和大多數報告。
引用
Calado D, Pardal M L.Tamper-Proof Incentive Scheme for Mobile Crowdsensing Systems[C]// 2018 IEEE 17th International Symposium on Network Computing and Applications (NCA). IEEE, 2018.
摘要
群智感知是指通過人們已有的移動設備形成交互式的、參與式的感知網絡，並將感知任務發佈給網絡中的個體或群體來完成，從而幫助專業人員或公眾收集數據、分析信息和共享知識。由於設備資源消耗及隱私問題，群智感知參與者積極性不高，需要激勵機制來激勵更多的用戶加入群智感知。本文介紹了由服務器組件和移動應用程序實現的移動群智感知系統原型，提出一種移動群智感知系統的防篡改激勵方案。激勵方案為獎勵積極參與者分數，激勵記錄使用區塊鏈存儲在防篡改賬本中。最後論文介紹了評估此方案的實驗，證明該方案具有實用性，可以用來激勵群智感知的參與者。
技術介紹：
1、群智感知系統
本文介紹的群智感知平臺基於Medusa系統實現了任務管理，基於AnonySense實現了隱私保護。Medusa是一個用於群智感知程序的編程框架，提供了一個高級抽象來創建任務。其目標是通過實現針對不熟悉編程的人的編程語言來簡化群智感知任務的創建和管理。AnonySense是一個在移動眾包任務中提供安全性和隱私的框架，其主要目標是在任務執行、分發和報告提交中保護用戶隱私。AnonySense通過由一組用戶用的簽名提供一種身份驗證形式，並允許系統在不知道用戶是誰的情況下驗證組成員。在消息傳遞方面，AnonySense通過移動設備和系統之間的代理服務器鏈提供匿名性，該服務器對消息進行混洗來隱藏原始發送者。
圖1 群智感知系統架構
為了管理傳感任務，本文提出了一具有六個主要模塊的系統架構。如圖1所示，API是一個入口點，負責接收來自用戶的請求並將它們路由到目的地。Task Creator模塊是接收任務規範並在系統中創建此實體並在必要時應用規則的節點，它接受兩種類型的任務：感知和交互。感知任務指定要在給定GPS位置使用的傳感器（機會主義感測）。交互式任務指定一個問題和一組可能的答案（參與感測）。Task Distributor模塊將任務分發給註冊用戶，用戶可以按主題名稱訂閱任務，該主題名稱與任務規範一起指定，並且可以在同一主題中創建更多任務。Incentive Engine模塊跟蹤用戶操作及其各自的獎勵。Report Aggregator模塊收集報告。Repository將存儲所有實體，如用戶、任務和報告。
圖2 群智感知平臺與客戶互動
眾包系統如圖2所示，展示了平臺與用戶之間的交互，包括參與或創建社區、創建任務、報告結果並獲得獎勵。我們在包含平臺基礎結構一部分的Web服務器中部署了包含模塊的服務器。Web服務器向客戶端應用程序提供REST API，以便將每個請求通信並轉發到相應的模塊。激勵方案在服務器中運行並協調Multichain節點之間的激勵事務。客戶端應用程序是在Android中開發的，但由於後端API是跨平臺的，因此它允許與其他編程語言和操作系統集成。
2、激勵機制
由於這是一個社區環境，我們不希望要求中央機構檢查激勵交易是否屬實，或者某個特定用戶是否試圖通過改變激勵交易來欺騙社區。為此，我們在所有參與者之間使用了分佈式分類帳，他們可以檢查過去所有交易的完整性。為了實現這一點，每個用戶都需要為分類帳（在家中或在雲中運行）提供計算機資源，並使用智能手機資源進行傳感。我們的分類帳實施與Multichain集成，允許為資產構建私有區塊鏈。資產存儲記錄在分類帳交易中的積分或獎盃（而不是金錢）。Multichain使用挖掘多樣性的概念，該概念指出有一定比例的用戶能夠在不重複的情況下驗證相鄰塊。 例如，使用等式1來確定用戶必須等待以驗證下一個塊的間隔。 如果挖掘多樣性為0.5且礦工數量為10，則能夠驗證下一個塊的間隔為5，因此用戶必須等待5個塊才能生成另一個塊。這強制規則使用用戶之間的輪換來創建塊，以避免挖掘塊的壟斷並提高區塊鏈的整體公平性。
當用戶在社區中註冊自己時，要求她提供計算機節點以參與區塊鏈。此步驟將授權節點參與Multichain網絡，並利用用戶資源來維持激勵驗證過程。此驗證具有計算成本，具體取決於安全需求。例如，可以通過要求散列結果具有更少或更多的零來調整成本，就像在比特幣中一樣。計算成本應與系統處理的值充分匹配。如有必要，用戶可以通過添加更多機器作為礦工來貢獻更多資金來支持此流程，並且此貢獻將反映在獎勵值中。
在系統原型中，每個用戶在註冊階段收到1000分。任務創建花費100分，任務響應獲得50分。在開始時，在Multichain主節點中創建名為Points的資產，以便將資產傳輸到Multichain節點。加入或創建社區的每個用戶都必須在其計算機中運行Multichain節點，並且為了訪問社區區塊鏈，她必須將其Multichain地址發送到Multichain主節點。完成這些步驟後，她可以創建任務並參與其他任務。在任務創建中，用戶使用其規範創建任務，並使用她的Multichain地址將激勵轉移到系統以支付任務費用。當用戶因共享而獲得獎勵時，相同的過程（但是以相反的順序）發生，其中系統將激勵轉移到用戶錢包。
激勵計劃包括處理異常值的數據質量程序，因此它們不會極大地偏向激勵。我們使用統計方法來區分異常值和大多數報告。
公式2指的是中位數絕對偏差（MAD），它計算每個觀測偏差的中心值。公式3計算
每個i值的修正Z-Score，這將使我們能夠了解該值偏離趨勢的程度。 等式4和5專門用於計算任務獎勵。公式4是Z-Score答案與其他Z-Scores比較的影響，使用i響應的中位數（Mi）和i響應的最大值（Max（Mi）），這個值從0到0.1。最後，公式5計算分配給每個用戶的最終分數，該分數將考慮他們的響應權重與社區答案的比較。此方法懲罰異常值用戶，並鼓勵他們在將來分享更準確的信息。
3、實驗評估
引用
Calado D, Pardal M L.Tamper-Proof Incentive Scheme for Mobile Crowdsensing Systems[C]// 2018 IEEE 17th International Symposium on Network Computing and Applications (NCA). IEEE, 2018.
摘要
群智感知是指通過人們已有的移動設備形成交互式的、參與式的感知網絡，並將感知任務發佈給網絡中的個體或群體來完成，從而幫助專業人員或公眾收集數據、分析信息和共享知識。由於設備資源消耗及隱私問題，群智感知參與者積極性不高，需要激勵機制來激勵更多的用戶加入群智感知。本文介紹了由服務器組件和移動應用程序實現的移動群智感知系統原型，提出一種移動群智感知系統的防篡改激勵方案。激勵方案為獎勵積極參與者分數，激勵記錄使用區塊鏈存儲在防篡改賬本中。最後論文介紹了評估此方案的實驗，證明該方案具有實用性，可以用來激勵群智感知的參與者。
技術介紹：
1、群智感知系統
本文介紹的群智感知平臺基於Medusa系統實現了任務管理，基於AnonySense實現了隱私保護。Medusa是一個用於群智感知程序的編程框架，提供了一個高級抽象來創建任務。其目標是通過實現針對不熟悉編程的人的編程語言來簡化群智感知任務的創建和管理。AnonySense是一個在移動眾包任務中提供安全性和隱私的框架，其主要目標是在任務執行、分發和報告提交中保護用戶隱私。AnonySense通過由一組用戶用的簽名提供一種身份驗證形式，並允許系統在不知道用戶是誰的情況下驗證組成員。在消息傳遞方面，AnonySense通過移動設備和系統之間的代理服務器鏈提供匿名性，該服務器對消息進行混洗來隱藏原始發送者。
圖1 群智感知系統架構
為了管理傳感任務，本文提出了一具有六個主要模塊的系統架構。如圖1所示，API是一個入口點，負責接收來自用戶的請求並將它們路由到目的地。Task Creator模塊是接收任務規範並在系統中創建此實體並在必要時應用規則的節點，它接受兩種類型的任務：感知和交互。感知任務指定要在給定GPS位置使用的傳感器（機會主義感測）。交互式任務指定一個問題和一組可能的答案（參與感測）。Task Distributor模塊將任務分發給註冊用戶，用戶可以按主題名稱訂閱任務，該主題名稱與任務規範一起指定，並且可以在同一主題中創建更多任務。Incentive Engine模塊跟蹤用戶操作及其各自的獎勵。Report Aggregator模塊收集報告。Repository將存儲所有實體，如用戶、任務和報告。
圖2 群智感知平臺與客戶互動
眾包系統如圖2所示，展示了平臺與用戶之間的交互，包括參與或創建社區、創建任務、報告結果並獲得獎勵。我們在包含平臺基礎結構一部分的Web服務器中部署了包含模塊的服務器。Web服務器向客戶端應用程序提供REST API，以便將每個請求通信並轉發到相應的模塊。激勵方案在服務器中運行並協調Multichain節點之間的激勵事務。客戶端應用程序是在Android中開發的，但由於後端API是跨平臺的，因此它允許與其他編程語言和操作系統集成。
2、激勵機制
由於這是一個社區環境，我們不希望要求中央機構檢查激勵交易是否屬實，或者某個特定用戶是否試圖通過改變激勵交易來欺騙社區。為此，我們在所有參與者之間使用了分佈式分類帳，他們可以檢查過去所有交易的完整性。為了實現這一點，每個用戶都需要為分類帳（在家中或在雲中運行）提供計算機資源，並使用智能手機資源進行傳感。我們的分類帳實施與Multichain集成，允許為資產構建私有區塊鏈。資產存儲記錄在分類帳交易中的積分或獎盃（而不是金錢）。Multichain使用挖掘多樣性的概念，該概念指出有一定比例的用戶能夠在不重複的情況下驗證相鄰塊。 例如，使用等式1來確定用戶必須等待以驗證下一個塊的間隔。 如果挖掘多樣性為0.5且礦工數量為10，則能夠驗證下一個塊的間隔為5，因此用戶必須等待5個塊才能生成另一個塊。這強制規則使用用戶之間的輪換來創建塊，以避免挖掘塊的壟斷並提高區塊鏈的整體公平性。
當用戶在社區中註冊自己時，要求她提供計算機節點以參與區塊鏈。此步驟將授權節點參與Multichain網絡，並利用用戶資源來維持激勵驗證過程。此驗證具有計算成本，具體取決於安全需求。例如，可以通過要求散列結果具有更少或更多的零來調整成本，就像在比特幣中一樣。計算成本應與系統處理的值充分匹配。如有必要，用戶可以通過添加更多機器作為礦工來貢獻更多資金來支持此流程，並且此貢獻將反映在獎勵值中。
在系統原型中，每個用戶在註冊階段收到1000分。任務創建花費100分，任務響應獲得50分。在開始時，在Multichain主節點中創建名為Points的資產，以便將資產傳輸到Multichain節點。加入或創建社區的每個用戶都必須在其計算機中運行Multichain節點，並且為了訪問社區區塊鏈，她必須將其Multichain地址發送到Multichain主節點。完成這些步驟後，她可以創建任務並參與其他任務。在任務創建中，用戶使用其規範創建任務，並使用她的Multichain地址將激勵轉移到系統以支付任務費用。當用戶因共享而獲得獎勵時，相同的過程（但是以相反的順序）發生，其中系統將激勵轉移到用戶錢包。
激勵計劃包括處理異常值的數據質量程序，因此它們不會極大地偏向激勵。我們使用統計方法來區分異常值和大多數報告。
公式2指的是中位數絕對偏差（MAD），它計算每個觀測偏差的中心值。公式3計算
每個i值的修正Z-Score，這將使我們能夠了解該值偏離趨勢的程度。 等式4和5專門用於計算任務獎勵。公式4是Z-Score答案與其他Z-Scores比較的影響，使用i響應的中位數（Mi）和i響應的最大值（Max（Mi）），這個值從0到0.1。最後，公式5計算分配給每個用戶的最終分數，該分數將考慮他們的響應權重與社區答案的比較。此方法懲罰異常值用戶，並鼓勵他們在將來分享更準確的信息。
3、實驗評估
表1模塊執行時間
我們首先評估執行主要活動所需的時間，例如創建任務和報告結果。我們主要比較簡單數據庫和區塊鏈激勵引擎之間執行時間的差異。使用我們的系統配置，數據庫方法需要34 ms，區塊鏈需要63 ms，如表1所示。這些時間包括數據庫版本的事務節點中的操作和區塊鏈版本的Multichain節點。發生這種情況是因為在數據庫版本中它只是檢查用戶是否可以進行交易並通過簡單的操作記錄激勵交易。由於在區塊鏈版本中，我們還要考慮從激勵引擎到Multichain節點的數據包在網絡中花費的時間，其中事務將被存儲並分發到其他社區節點。我們還必須考慮Multichain中挖掘多樣性的內部過程，將激勵（資產）金額從一個地址發送到另一個地址。當資產轉移到另一個用戶時，它會生成一個事務，並且必須檢查此事務。通過對塊內容和隨機數進行散列來計算塊的標識，並且這將在散列結果處增加以滿足所需的零數。
為了評估我們的激勵計劃中的隱私，我們分析了連接到平臺的用戶與在Multichain上執行的事務之間可能的相關性。假設眾包平臺使用代理網絡來隱藏用戶身份，使用API來獲取每個請求的隨機代理。我們在葡萄牙的服務器中部署了系統，使用世界各地的不同代理服務器分析了每個請求的執行時間，並檢查了到達我們服務器的用戶IP地址。
引用
Calado D, Pardal M L.Tamper-Proof Incentive Scheme for Mobile Crowdsensing Systems[C]// 2018 IEEE 17th International Symposium on Network Computing and Applications (NCA). IEEE, 2018.
摘要
群智感知是指通過人們已有的移動設備形成交互式的、參與式的感知網絡，並將感知任務發佈給網絡中的個體或群體來完成，從而幫助專業人員或公眾收集數據、分析信息和共享知識。由於設備資源消耗及隱私問題，群智感知參與者積極性不高，需要激勵機制來激勵更多的用戶加入群智感知。本文介紹了由服務器組件和移動應用程序實現的移動群智感知系統原型，提出一種移動群智感知系統的防篡改激勵方案。激勵方案為獎勵積極參與者分數，激勵記錄使用區塊鏈存儲在防篡改賬本中。最後論文介紹了評估此方案的實驗，證明該方案具有實用性，可以用來激勵群智感知的參與者。
技術介紹：
1、群智感知系統
本文介紹的群智感知平臺基於Medusa系統實現了任務管理，基於AnonySense實現了隱私保護。Medusa是一個用於群智感知程序的編程框架，提供了一個高級抽象來創建任務。其目標是通過實現針對不熟悉編程的人的編程語言來簡化群智感知任務的創建和管理。AnonySense是一個在移動眾包任務中提供安全性和隱私的框架，其主要目標是在任務執行、分發和報告提交中保護用戶隱私。AnonySense通過由一組用戶用的簽名提供一種身份驗證形式，並允許系統在不知道用戶是誰的情況下驗證組成員。在消息傳遞方面，AnonySense通過移動設備和系統之間的代理服務器鏈提供匿名性，該服務器對消息進行混洗來隱藏原始發送者。
圖1 群智感知系統架構
為了管理傳感任務，本文提出了一具有六個主要模塊的系統架構。如圖1所示，API是一個入口點，負責接收來自用戶的請求並將它們路由到目的地。Task Creator模塊是接收任務規範並在系統中創建此實體並在必要時應用規則的節點，它接受兩種類型的任務：感知和交互。感知任務指定要在給定GPS位置使用的傳感器（機會主義感測）。交互式任務指定一個問題和一組可能的答案（參與感測）。Task Distributor模塊將任務分發給註冊用戶，用戶可以按主題名稱訂閱任務，該主題名稱與任務規範一起指定，並且可以在同一主題中創建更多任務。Incentive Engine模塊跟蹤用戶操作及其各自的獎勵。Report Aggregator模塊收集報告。Repository將存儲所有實體，如用戶、任務和報告。
圖2 群智感知平臺與客戶互動
眾包系統如圖2所示，展示了平臺與用戶之間的交互，包括參與或創建社區、創建任務、報告結果並獲得獎勵。我們在包含平臺基礎結構一部分的Web服務器中部署了包含模塊的服務器。Web服務器向客戶端應用程序提供REST API，以便將每個請求通信並轉發到相應的模塊。激勵方案在服務器中運行並協調Multichain節點之間的激勵事務。客戶端應用程序是在Android中開發的，但由於後端API是跨平臺的，因此它允許與其他編程語言和操作系統集成。
2、激勵機制
由於這是一個社區環境，我們不希望要求中央機構檢查激勵交易是否屬實，或者某個特定用戶是否試圖通過改變激勵交易來欺騙社區。為此，我們在所有參與者之間使用了分佈式分類帳，他們可以檢查過去所有交易的完整性。為了實現這一點，每個用戶都需要為分類帳（在家中或在雲中運行）提供計算機資源，並使用智能手機資源進行傳感。我們的分類帳實施與Multichain集成，允許為資產構建私有區塊鏈。資產存儲記錄在分類帳交易中的積分或獎盃（而不是金錢）。Multichain使用挖掘多樣性的概念，該概念指出有一定比例的用戶能夠在不重複的情況下驗證相鄰塊。 例如，使用等式1來確定用戶必須等待以驗證下一個塊的間隔。 如果挖掘多樣性為0.5且礦工數量為10，則能夠驗證下一個塊的間隔為5，因此用戶必須等待5個塊才能生成另一個塊。這強制規則使用用戶之間的輪換來創建塊，以避免挖掘塊的壟斷並提高區塊鏈的整體公平性。
當用戶在社區中註冊自己時，要求她提供計算機節點以參與區塊鏈。此步驟將授權節點參與Multichain網絡，並利用用戶資源來維持激勵驗證過程。此驗證具有計算成本，具體取決於安全需求。例如，可以通過要求散列結果具有更少或更多的零來調整成本，就像在比特幣中一樣。計算成本應與系統處理的值充分匹配。如有必要，用戶可以通過添加更多機器作為礦工來貢獻更多資金來支持此流程，並且此貢獻將反映在獎勵值中。
在系統原型中，每個用戶在註冊階段收到1000分。任務創建花費100分，任務響應獲得50分。在開始時，在Multichain主節點中創建名為Points的資產，以便將資產傳輸到Multichain節點。加入或創建社區的每個用戶都必須在其計算機中運行Multichain節點，並且為了訪問社區區塊鏈，她必須將其Multichain地址發送到Multichain主節點。完成這些步驟後，她可以創建任務並參與其他任務。在任務創建中，用戶使用其規範創建任務，並使用她的Multichain地址將激勵轉移到系統以支付任務費用。當用戶因共享而獲得獎勵時，相同的過程（但是以相反的順序）發生，其中系統將激勵轉移到用戶錢包。
激勵計劃包括處理異常值的數據質量程序，因此它們不會極大地偏向激勵。我們使用統計方法來區分異常值和大多數報告。
公式2指的是中位數絕對偏差（MAD），它計算每個觀測偏差的中心值。公式3計算
每個i值的修正Z-Score，這將使我們能夠了解該值偏離趨勢的程度。 等式4和5專門用於計算任務獎勵。公式4是Z-Score答案與其他Z-Scores比較的影響，使用i響應的中位數（Mi）和i響應的最大值（Max（Mi）），這個值從0到0.1。最後，公式5計算分配給每個用戶的最終分數，該分數將考慮他們的響應權重與社區答案的比較。此方法懲罰異常值用戶，並鼓勵他們在將來分享更準確的信息。
3、實驗評估
表1模塊執行時間
我們首先評估執行主要活動所需的時間，例如創建任務和報告結果。我們主要比較簡單數據庫和區塊鏈激勵引擎之間執行時間的差異。使用我們的系統配置，數據庫方法需要34 ms，區塊鏈需要63 ms，如表1所示。這些時間包括數據庫版本的事務節點中的操作和區塊鏈版本的Multichain節點。發生這種情況是因為在數據庫版本中它只是檢查用戶是否可以進行交易並通過簡單的操作記錄激勵交易。由於在區塊鏈版本中，我們還要考慮從激勵引擎到Multichain節點的數據包在網絡中花費的時間，其中事務將被存儲並分發到其他社區節點。我們還必須考慮Multichain中挖掘多樣性的內部過程，將激勵（資產）金額從一個地址發送到另一個地址。當資產轉移到另一個用戶時，它會生成一個事務，並且必須檢查此事務。通過對塊內容和隨機數進行散列來計算塊的標識，並且這將在散列結果處增加以滿足所需的零數。
為了評估我們的激勵計劃中的隱私，我們分析了連接到平臺的用戶與在Multichain上執行的事務之間可能的相關性。假設眾包平臺使用代理網絡來隱藏用戶身份，使用API來獲取每個請求的隨機代理。我們在葡萄牙的服務器中部署了系統，使用世界各地的不同代理服務器分析了每個請求的執行時間，並檢查了到達我們服務器的用戶IP地址。
表2 使用不同代理商的請求
通過分析表2中的結果，我們可以看到正在使用的代理會顯著影響請求性能。到服務器的距離越長，完成請求所需的時間就越長。使用代理的優點是IP地址屏蔽，因為代理服務器充當中介，到達目標服務器的IP地址是代理IP地址。鑑於隱私權益，我們認為保護的成本是可以接受的。
本文主要貢獻
在本文中，我們提出了This4That，一個具有合作和安全激勵方案的群智感知系統。 開發的原型使用遊戲化激勵方案來獎勵用戶與社區共享有用數據。該方案依賴Multichain區塊鏈來保持防篡改分類賬，該分類賬使用社區成員自己提供的計算資源來確保激勵交易的完整性。
為了評估本系統，我們進行了響應時間測量，將數據庫方法與區塊鏈解決方案進行比較。它揭示了區塊鏈將花費更多的時間來註冊激勵，但它提供了更高的可靠性和容錯能 力。絕對時間值低於100ms表明它適用於實際應用。我們還分析了使用假名和代理提供的隱私保護的有效性，並發現它足以用於當前的原型。
致謝
本文由南京大學軟件工程系2018碩士生劉子寒翻譯轉述
相關推薦
