区块链时代移动群智感知中隐私保护、公平且可验证的聚合统计
密码学与安全
2020-07-21 v1
摘要
本文提出FairCrowd，一种基于公有区块链、用于移动群智感知中聚合统计的隐私保护、公平且可验证的框架。具体而言，移动用户被激励去收集并共享私有数据值（如当前位置）以完成客户发布的共同感兴趣任务，群智感知服务器针对移动用户的数据值（如最热门位置）为客户计算聚合统计。通过利用ElGamal加密，服务器几乎无法获知私有数据或统计结果。聚合统计的正确性可通过一种新的高效可验证计算方法进行公开验证。此外，在存在贪婪的服务提供商、客户和移动用户（他们可能发起逃付、少付、搭便车、重复上报和女巫攻击以破坏奖励分配）的情况下，基于公有区块链保证了激励的公平性。最后，证明FairCrowd实现了对移动用户的隐私保护可验证聚合统计。进行了大量实验以证明FairCrowd在移动群智感知聚合统计中的高效性。
引用
@article{arxiv.2007.09698,
title = {Private, Fair, and Verifiable Aggregate Statistics for Mobile Crowdsensing in Blockchain Era},
author = {Miao He and Jianbing Ni and Dongxiao Liu and Haomiao Yang and Xuemin and Shen},
journal= {arXiv preprint arXiv:2007.09698},
year = {2020}
}
备注
This paper has been accepted by IEEE/CIC ICCC 2020