本文摘要：摘要：認知無線電的關(guān)鍵技術(shù)是頻譜感知，將保護隱私的激勵機制與協(xié)作頻譜感知結(jié)合起來，有助于提高頻譜檢測的準(zhǔn)確性。文中引入了差分隱私的概念，將指數(shù)機制應(yīng)用于平臺與用戶間的反向拍賣，提出了一種具有隱私保護的基于拍賣的頻譜感知算法。平臺選擇獲勝用
摘要：認知無線電的關(guān)鍵技術(shù)是頻譜感知，將保護隱私的激勵機制與協(xié)作頻譜感知結(jié)合起來，有助于提高頻譜檢測的準(zhǔn)確性。文中引入了差分隱私的概念，將指數(shù)機制應(yīng)用于平臺與用戶間的反向拍賣，提出了一種具有隱私保護的基于拍賣的頻譜感知算法。平臺選擇獲勝用戶時將用戶的信譽值考慮在內(nèi)，并且使用了一種基于指數(shù)機制的線性得分函數(shù)選擇最優(yōu)的用戶集。仿真結(jié)果表明，該激勵機制在保護用戶隱私前提下，實現(xiàn)檢測概率的優(yōu)化。
關(guān)鍵詞：認知無線電;頻譜感知;群智感知;差分隱私
無線通信技術(shù)的飛速發(fā)展引起無線設(shè)備劇增，使得無線頻譜資源十分稀缺。目前頻譜資源采用固定的分配方式進行授權(quán)，因此頻譜利用效率很低，且極度不平衡，認知無線電系統(tǒng)應(yīng)運而生。認知無線電可以感知系統(tǒng)環(huán)境，尋找空閑的頻譜，并進行動態(tài)的頻譜分配，這樣可以有效地提高頻譜利用效率。認知無線電的關(guān)鍵技術(shù)是頻譜感知。文獻[1]提到在認知無線電網(wǎng)絡(luò)中，頻譜共享的最重要目標(biāo)是使買賣雙方都受益，為了增加頻譜共享中產(chǎn)生的總收益，文獻[1]介紹了頻譜代理與多主服務(wù)提供商之間的存儲機制，并提出了基于該機制的頻譜交易算法。
多用戶協(xié)作頻譜感知可以解決單用戶感知受陰影效用、深度衰落等影響的問題，為了激勵更多用戶參與頻譜感知，將群智感知的激勵機制與頻譜感知結(jié)合很有必要。文獻[2]考慮到次用戶自愿參與感知任務(wù)與實際情況不符合，提出了不僅利用群智感知提供足夠的次用戶，并且配備頻譜傳感器，將想?yún)⑴c感知任務(wù)之間的互動建模為合作博弈，通過理論證明了該博弈是一個NP⁃hard問題，且存在一個均衡解，次用戶可以通過調(diào)整自己的感知時間使得感知效用最大，也可以盡量減少平臺的成本，通過使用一種改進的差分算法證明了此模型的優(yōu)越性。
文獻[3]考慮到可能存在部分用戶不愿參與感知從而破壞協(xié)作頻譜感知，提出了一種基于社會效用的激勵機制來解決自私問題，該機制將個人的利益轉(zhuǎn)化為以社會的利益為中心，也就是說次用戶在一定的激勵下會選擇和自己聯(lián)系緊密的次用戶共享信息，從而完成協(xié)作感知。文獻[4]重視激勵次用戶協(xié)作感知，研究了一種基于信譽的CSS激勵框架，該激勵框架將協(xié)作頻譜感知建模為間接互惠博弈。在該博弈中，次用戶根據(jù)自己能獲取的有效信道數(shù)量選擇性地向融合中心報告感知結(jié)果，通過推導(dǎo)求解該博弈模型證明了此激勵機制可以提升融合中心的判決精度。
文獻[5]提出了一種基于貝葉斯博弈的協(xié)作頻譜感知算法，所有參與感知任務(wù)的次用戶都能根據(jù)貝葉斯博弈選擇使得各自效用最優(yōu)的策略，該算法可以提高檢測概率，提升系統(tǒng)性能。近年來保護用戶隱私逐漸被人重視，文獻[6]提出了一種在不損害MCS用戶隱私的情況下的機制，該機制可以保證群智感知數(shù)據(jù)的質(zhì)量，通過實驗證明該機制在提升數(shù)據(jù)質(zhì)量和消除MCS用戶動機方面有較大作用。文獻[7]提出了一種用于移動群智感知的個性化隱私保護任務(wù)分配框架，該框架可以有效地分配任務(wù)，同時提供個性化的位置隱私保護。
具體做法是將各個用戶到任務(wù)的模糊距離上傳至服務(wù)器，從而起到保護用戶的作用;文獻[7]還提出了一種概率優(yōu)勝者選擇機制(PWSM)，通過將任務(wù)分配給最大概率與自己距離最近的用戶來減少行程;此外文獻[7]提出了一種VPDM付款機制，通過考慮其移動成本和隱私級別來確定付給獲勝者的報酬。文獻[8]以實現(xiàn)最小社會成本為目標(biāo)提出了兩個保護隱私的激勵機制，在前者中，每個用戶都針對其愿意執(zhí)行的一組任務(wù)提交投標(biāo);在后者中，每個用戶都為其任務(wù)集中的每個任務(wù)提交出價。
文獻[8]中提出的兩種框架均基于平臺定義的評分功能選擇用戶，并提出了線性函數(shù)和對數(shù)函數(shù)兩個得分函數(shù)以實現(xiàn)這兩個框架。文獻[7]考慮到在保證最優(yōu)分配任務(wù)情況下用戶具體位置暴露的問題，提出了一種用于群智感知技術(shù)的數(shù)據(jù)發(fā)布機制，使用基于用戶密度并考慮用戶分布不均的方法，證明了該機制滿足差異性隱私，且為用戶的位置提供了嚴格的保護。此外，文獻[9]還提出了一種基于地理廣播的區(qū)域選擇方法，此方法可以平衡任務(wù)分配的成功率和平臺的花費。已有的保護隱私的文獻一般都沒有結(jié)合頻譜感知的場景。
在研究頻譜感知相關(guān)文獻中，較少考慮用戶的隱私問題，因此本文主要解決在頻譜感知場景下的用戶隱私保護問題，具體方法是將保護隱私的激勵機制與協(xié)作頻譜感知結(jié)合起來，提出一種具有隱私保護的基于拍賣的頻譜感知算法，并引入了差分隱私的概念，將指數(shù)機制應(yīng)用于平臺與用戶間的反向拍賣。平臺選擇獲勝用戶時將用戶的信譽值考慮在內(nèi)，并且使用了一種基于指數(shù)機制的線性得分函數(shù)選擇最優(yōu)的用戶集。
在設(shè)計的機制中，所有的用戶向平臺上報自身對任務(wù)的報價，平臺會根據(jù)用戶的信譽值以及報價計算各個用戶被選中的概率，在預(yù)算范圍內(nèi)，平臺根據(jù)概率從大到小的順序選擇獲勝的用戶，被選中的用戶執(zhí)行任務(wù)并上報感知結(jié)果，平臺向選中的用戶支付一定的報酬，同時所有用戶更新自身的信譽值以參與下一輪的感知任務(wù)。
該機制具體分為用戶參與、選擇獲勝者、支付報酬幾個階段，具體如下：
(1)用戶參與平臺發(fā)布感知任務(wù)，所有的次用戶積極參與任務(wù)，用戶向平臺提交自己的報價bi，等待平臺選擇。同時平臺能看到每個參與用戶的信譽值情況。(2)選擇獲勝者設(shè)計的激勵機制會給每個參與任務(wù)的次用戶分配一個概率值，該概率值代表每個用戶被選中的概率，信譽值是其中的一個重要參數(shù)，表示參與的次用戶提供信息的質(zhì)量。
激勵機制性質(zhì)證明本文提出的算法需要同時滿足以下幾個重要的性質(zhì)：(1)計算有限性。如果設(shè)計的機制能在多項式時間內(nèi)結(jié)束，則在計算上是有效的。(2)個人理性。如果每一個用戶參與任務(wù)都能獲得非負效用，則該機制具有個人理性，即所有次用戶i∈W，當(dāng)用戶未虛假報價時，其效用ui≥0。(3)真實性。如果用戶對任務(wù)的報價等于其真實價值時，其效用達到最大，則該機制滿足真實性。(4)檢測概率最大化。該機制在預(yù)算范圍內(nèi)，獲得最大檢測概率。在研究的頻譜感知算法中考慮了用戶的隱私保護問題，由于暴露用戶報價和平臺公布競選結(jié)果可能導(dǎo)致任務(wù)無效以及用戶的巨大損失。
計算機算法論文： 基于改進快速區(qū)域卷積網(wǎng)絡(luò)的目標(biāo)檢測輕量化算法
本文將用戶的報價作為隱私內(nèi)容，提出了一種具有隱私保護的頻譜感知反向拍賣算法，此外設(shè)計了一種基于指數(shù)機制的差分隱私方法，將指數(shù)機制應(yīng)用于線性得分函數(shù)，平臺根據(jù)此得分函數(shù)選擇最優(yōu)的用戶集，從而完成平臺與用戶間的反向拍賣過程。得分函數(shù)同時包含了用戶的信譽值，該信譽值一定程度上反映了用戶感知數(shù)據(jù)的質(zhì)量，使得該機制能在一定約束下獲得最大檢測概率。通過仿真評估了該激勵機制的一些性能，仿真結(jié)果表明提出的激勵機制在能夠保護用戶隱私的前提下，實現(xiàn)近似最大檢測概率。
參考文獻：
[1]ZHANGSB，ZHANGGD，BAOZH，etal.Spectrumtradingalgorithmbasedonmemoryincognitiveradionet⁃work[J].TransactionsonEmergingTelecommunicationsTechnologies，2015，26(2)：250-257.
[2]LIXH，ZHUQ.Socialincentivemechanismbasedmulti⁃usersensingtimeoptimizationinco⁃operativespectrumsensingwithmobilecrowdsensing[J].Sensors，2018，18(1)：E250.
作者：胡敏，朱琦
轉(zhuǎn)載請注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///jjlw/28034.html
