本文摘要：摘要：認知無線電的關鍵技術是頻譜感知，將保護隱私的激勵機制與協作頻譜感知結合起來，有助于提高頻譜檢測的準確性。文中引入了差分隱私的概念，將指數機制應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：認知無線電的關鍵技術是頻譜感知，將保護隱私的激勵機制與協作頻譜感知結合起來，有助于提高頻譜檢測的準確性。文中引入了差分隱私的概念，將指數機制應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，并且使用了一種基于指數機制的線性得分函數選擇最優的用戶集。仿真結果表明，該激勵機制在保護用戶隱私前提下，實現檢測概率的優化。
關鍵詞：認知無線電;頻譜感知;群智感知;差分隱私
無線通信技術的飛速發展引起無線設備劇增，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，因此頻譜利用效率很低，且極度不平衡，認知無線電系統應運而生。認知無線電可以感知系統環境，尋找空閑的頻譜，并進行動態的頻譜分配，這樣可以有效地提高頻譜利用效率。認知無線電的關鍵技術是頻譜感知。文獻[1]提到在認知無線電網絡中，頻譜共享的最重要目標是使買賣雙方都受益，為了增加頻譜共享中產生的總收益，文獻[1]介紹了頻譜代理與多主服務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合很有必要。文獻[2]考慮到次用戶自愿參與感知任務與實際情況不符合，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，將想參與感知任務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系緊密的次用戶共享信息，從而完成協作感知。文獻[4]重視激勵次用戶協作感知，研究了一種基于信譽的CSS激勵框架，該激勵框架將協作頻譜感知建模為間接互惠博弈。在該博弈中，次用戶根據自己能獲取的有效信道數量選擇性地向融合中心報告感知結果，通過推導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作頻譜感知算法，所有參與感知任務的次用戶都能根據貝葉斯博弈選擇使得各自效用最優的策略，該算法可以提高檢測概率，提升系統性能。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據的質量，通過實驗證明該機制在提升數據質量和消除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分配框架，該框架可以有效地分配任務，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的模糊距離上傳至服務器，從而起到保護用戶的作用;文獻[7]還提出了一種概率優勝者選擇機制(PWSM)，通過將任務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]以實現最小社會成本為目標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行的一組任務提交投標;在后者中，每個用戶都為其任務集中的每個任務提交出價。
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，并提出了線性函數和對數函數兩個得分函數以實現這兩個框架。文獻[7]考慮到在保證最優分配任務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的數據發布機制，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域選擇方法，此方法可以平衡任務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合頻譜感知的場景。
在研究頻譜感知相關文獻中，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作頻譜感知結合起來，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，將指數機制應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，并且使用了一種基于指數機制的線性得分函數選擇最優的用戶集。
在設計的機制中，所有的用戶向平臺上報自身對任務的報價，平臺會根據用戶的信譽值以及報價計算各個用戶被選中的概率，在預算范圍內，平臺根據概率從大到小的順序選擇獲勝的用戶，被選中的用戶執行任務并上報感知結果，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。
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)用戶參與平臺發布感知任務，所有的次用戶積極參與任務，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)選擇獲勝者設計的激勵機制會給每個參與任務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，表示參與的次用戶提供信息的質量。
激勵機制性質證明本文提出的算法需要同時滿足以下幾個重要的性質：(1)計算有限性。如果設計的機制能在多項式時間內結束，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，當用戶未虛假報價時，其效用ui≥0。(3)真實性。如果用戶對任務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。該機制在預算范圍內，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果可能導致任務無效以及用戶的巨大損失。
計算機算法論文： 基于改進快速區域卷積網絡的目標檢測輕量化算法
本文將用戶的報價作為隱私內容，提出了一種具有隱私保護的頻譜感知反向拍賣算法，此外設計了一種基于指數機制的差分隱私方法，將指數機制應用于線性得分函數，平臺根據此得分函數選擇最優的用戶集，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據的質量，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
轉載請注明來自發表學術論文網：http://www.cnzjbx.cn/jjlw/28034.html
