空间众包中面向不可信服务器的隐私保护批处理任务分配
密码学与安全
2021-08-24 v2 数据库
摘要
在本文中，我们研究空间众包中的隐私保护任务分配问题，其中工人与任务的位置在释放给服务器之前均经过Geo-Indistinguishability(一种面向基于位置系统的差分隐私概念)扰动。不同于先前研究的在线设置(每个任务在到达时立即分配)，我们面向批处理设置，即服务器在一批任务到达后最大化成功分配的任务数量。为实现该目标，我们提出k-Switch方案，其首先基于工人/任务间的扰动距离将工人划分为小组，然后利用基于同态加密(Homomorphic Encryption, HE)的安全计算来增强任务分配。此外，我们通过将小组规模限制在k以内来加速基于HE的计算。大量实验表明，在成功分配任务数量方面，k-Switch方案将批处理基线提升5.9倍，将现有在线方案提升1.74倍，且不发生隐私泄露。
引用
@article{arxiv.2108.09019,
title = {Privacy-Preserving Batch-based Task Assignment in Spatial Crowdsourcing with Untrusted Server},
author = {Maocheng Li and Jiachuan Wang and Libin Zheng and Han Wu and Peng Cheng and Lei Chen and Xuemin Lin},
journal= {arXiv preprint arXiv:2108.09019},
year = {2021}
}