LEPA：在众感中激励长期隐私保护数据聚合的机制
计算机科学与博弈论
2017-12-27 v1
摘要
在本文中，我们研究实时数据聚合的激励机制设计，其具有广泛的众感应用。尽管对静态激励机制已有大量研究，但由于这些机制无法维持PU（参与者用户）的长期参与，它们均不适用于实时数据聚合。我们强调，为维持PU的长期参与，保护其隐私以及为其提供令人满意的累积补偿至关重要。受此驱动，本文提出LEPA，一种激励实时数据聚合中长期参与的的高效激励机制。具体而言，我们允许PU通过上报含噪数据来保护隐私，其对聚合精度的影响通过适当的隐私与精度度量进行量化。随后，我们提供一个框架，联合优化不同时隙的激励方案，以确保PU获得满意的累积补偿，从而防止PU中途退出系统。考虑到PU的策略性行为以及感知任务的组合性质，我们提出了一种计算高效的在线拍卖，在获胜用户选择为NP难的情况下具有接近最优的性能。我们进一步证明所提在线拍卖满足真实性（truthfulness）与个人理性（individual rationality）等期望性质。LEPA的性能通过理论分析与大量仿真得到验证。
引用
@article{arxiv.1712.08807,
title = {LEPA: Incentivizing Long-term Privacy-preserving Data Aggregation in Crowdsensing},
author = {Zhikun Zhang and Shibo He and Mengyuan Zhang and Jiming Chen},
journal= {arXiv preprint arXiv:1712.08807},
year = {2017}
}
备注
10 pages, 6 figures