用于群智感知的隱私保護方法及裝置的制造方法
【專利摘要】本發(fā)明公開一種用于群智感知的隱私保護方法及裝置,能夠解決現(xiàn)有技術不能保護用戶的隱私信息的問題。所述方法包括:獲取用戶的群智感知數(shù)據(jù),并根據(jù)所述用戶的群智感知數(shù)據(jù)建立隱馬爾可夫模型;對所述隱馬爾可夫模型進行訓練,確定出用于上傳的群智感知數(shù)據(jù);其中,所述用于上傳的群智感知數(shù)據(jù)為所述用戶的群智感知數(shù)據(jù)中能夠保護隱私信息的群智感知數(shù)據(jù)中所包含的信息可用量最大的群智感知數(shù)據(jù);將所述用于上傳的群智感知數(shù)據(jù)發(fā)送給群智感知服務器。
【專利說明】
用于群智感知的隱私保護方法及裝置
技術領域
[0001] 本發(fā)明涉及群智感知技術領域,具體涉及一種用于群智感知的隱私保護方法及裝 置。
【背景技術】
[0002] 近年來,隨著智能手機上配備的傳感器越來越多,群智感知技術迅速發(fā)展。由于 群智感知技術可以獲取大規(guī)模的統(tǒng)計數(shù)據(jù)以及進行全體規(guī)模上的測量,群智感知技術已經 被應用到人們生活中的各個領域,如公共健康,公共安全,交通監(jiān)控等。典型的群智感知應 用由大量終端手機用戶組成,他們遍布在城市的各個角落,通過手機上配備的各類傳感器 (如加速度傳感器、光照傳感器、陀螺儀、GPS等)記錄所處位置的特征數(shù)據(jù),并實時的上傳 的用戶所在位置的特征數(shù)據(jù)給群智感知服務器,服務器在獲取大量終端用戶在不同地點的 特征數(shù)據(jù)之后,進行數(shù)據(jù)處理以及數(shù)據(jù)分析,從而提供用戶所需要的各項服務。
[0003] 雖然目前已經有大量的群智感知的應用,但是因為用戶普遍有想獲得群智感知的 應用所提供的服務,卻不愿意提供隱私信息(如位置信息)的想法,這就導致用戶可能在上 傳群智感知數(shù)據(jù)時進行隱藏或者上傳虛假的數(shù)據(jù)。在這種情況下,對于服務提供端來說,就 很難收集到大量高質量的數(shù)據(jù),從而也就很難提供優(yōu)質的服務。
[0004] 基于用戶隱私保護的考量,現(xiàn)在出現(xiàn)了一些保護隱私信息的技術,主要分為四類: 第一類技術是在用戶上傳的群智感知數(shù)據(jù)中,加入獨立的噪聲;第二類技術是將隱私信息 隱藏在一系列數(shù)據(jù)中(比如,用戶并不上傳精確的位置信息,而是上傳一個區(qū)域的位置信 息);第三類技術是基于多方計算,這類技術依賴于多個上傳者與服務提供端的協(xié)同計算; 第四類技術是同態(tài)加密,這類技術允許服務提供端在不知道原始數(shù)據(jù)的情況下得到一些統(tǒng) 計的數(shù)據(jù)。
[0005] 然而,這些現(xiàn)有的保護隱私信息的技術并沒有考慮更加強大的攻擊者,這類攻擊 者能夠獲取用戶上傳的群智感知數(shù)據(jù),并且通過有效的隱馬爾可夫模型建立推理模型來獲 取用戶上傳的群智感知數(shù)據(jù)中所存在的時空關聯(lián)性,并進而獲取到用戶的隱私信息。
【發(fā)明內容】
[0006] 本發(fā)明所要解決的技術問題是現(xiàn)有技術不能保護用戶的隱私信息的問題。
[0007] 為此目的,本發(fā)明提出一種用于群智感知的隱私保護方法,包括:
[0008] 獲取用戶的群智感知數(shù)據(jù),并根據(jù)所述用戶的群智感知數(shù)據(jù)建立隱馬爾可夫模 型;
[0009] 對所述隱馬爾可夫模型進行訓練,確定出用于上傳的群智感知數(shù)據(jù);其中,所述用 于上傳的群智感知數(shù)據(jù)為所述用戶的群智感知數(shù)據(jù)中能夠保護隱私信息的群智感知數(shù)據(jù) 中所包含的信息可用量最大的群智感知數(shù)據(jù);
[0010] 將所述用于上傳的群智感知數(shù)據(jù)發(fā)送給群智感知服務器。
[0011] 本發(fā)明實施例用于群智感知的隱私保護方法,首先,獲取用戶的群智感知數(shù)據(jù),并 根據(jù)所述用戶的群智感知數(shù)據(jù)建立隱馬爾可夫模型,然后,對所述隱馬爾可夫模型進行訓 練,確定出所述用戶的群智感知數(shù)據(jù)中能夠保護隱私信息的群智感知數(shù)據(jù)中所包含的信息 可用量最大的群智感知數(shù)據(jù),并將確定出的群智感知數(shù)據(jù)作為用于上傳的群智感知數(shù)據(jù), 最后,將所述用于上傳的群智感知數(shù)據(jù)發(fā)送給群智感知服務器,這就使得攻擊者即使能夠 獲取用戶上傳的群智感知數(shù)據(jù),能夠獲知本發(fā)明實施例所建立的隱馬爾可夫模型,也不能 有效地推理出用戶的隱私信息,從而能夠保護用戶的隱私信息,同時,能夠確保用戶獲取到 群智感知服務提供者所提供的優(yōu)質服務。
[0012] 另一方面,本發(fā)明提出一種用于群智感知的隱私保護裝置,包括:
[0013] 模型建立單元,用于獲取用戶的群智感知數(shù)據(jù),并根據(jù)所述用戶的群智感知數(shù)據(jù) 建立隱馬爾可夫模型;
[0014] 確定單元,用于對所述隱馬爾可夫模型進行訓練,確定出用于上傳的群智感知數(shù) 據(jù);其中,所述用于上傳的群智感知數(shù)據(jù)為所述用戶的群智感知數(shù)據(jù)中能夠保護隱私信息 的群智感知數(shù)據(jù)中所包含的信息可用量最大的群智感知數(shù)據(jù);
[0015] 發(fā)送單元,用于將所述用于上傳的群智感知數(shù)據(jù)發(fā)送給群智感知服務器。
[0016] 本發(fā)明實施例用于群智感知的隱私保護裝置,首先,獲取用戶的群智感知數(shù)據(jù),并 根據(jù)所述用戶的群智感知數(shù)據(jù)建立隱馬爾可夫模型,然后,對所述隱馬爾可夫模型進行訓 練,確定出所述用戶的群智感知數(shù)據(jù)中能夠保護隱私信息的群智感知數(shù)據(jù)中所包含的信息 可用量最大的群智感知數(shù)據(jù),并將確定出的群智感知數(shù)據(jù)作為用于上傳的群智感知數(shù)據(jù), 最后,將所述用于上傳的群智感知數(shù)據(jù)發(fā)送給群智感知服務器,這就使得攻擊者即使能夠 獲取用戶上傳的群智感知數(shù)據(jù),能夠獲知本發(fā)明實施例所建立的隱馬爾可夫模型,也不能 有效地推理出用戶的隱私信息,從而能夠保護用戶的隱私信息,同時,能夠確保用戶獲取到 群智感知服務提供者所提供的優(yōu)質服務。
【附圖說明】
[0017] 圖1為本發(fā)明一種用于群智感知的隱私保護方法一實施例的流程示意圖;
[0018] 圖2為本發(fā)明一種用于群智感知的隱私保護裝置一實施例的方框結構示意圖;
[0019] 圖3為圖2中確定單元一實施例的方框結構示意圖。
【具體實施方式】
[0020] 為使本發(fā)明實施例的目的、技術方案和優(yōu)點更加清楚,下面將結合本發(fā)明實施例 中的附圖,對本發(fā)明實施例中的技術方案進行清楚地描述,顯然,所描述的實施例是本發(fā)明 一部分實施例,而不是全部的實施例?;诒景l(fā)明中的實施例,本領域普通技術人員在沒有 做出創(chuàng)造性勞動前提下所獲得的所有其他實施例,都屬于本發(fā)明保護的范圍。
[0021] 如圖1所示,本實施例公開一種用于群智感知的隱私保護方法,包括:
[0022] S1、獲取用戶的群智感知數(shù)據(jù),并根據(jù)所述用戶的群智感知數(shù)據(jù)建立隱馬爾可夫 模型;
[0023] S2、對所述隱馬爾可夫模型進行訓練,確定出用于上傳的群智感知數(shù)據(jù);其中,所 述用于上傳的群智感知數(shù)據(jù)為所述用戶的群智感知數(shù)據(jù)中能夠保護隱私信息的群智感知 數(shù)據(jù)中所包含的信息可用量最大的群智感知數(shù)據(jù);
[0024] S3、將所述用于上傳的群智感知數(shù)據(jù)發(fā)送給群智感知服務器。
[0025] 本發(fā)明實施例用于群智感知的隱私保護方法,首先,獲取用戶的群智感知數(shù)據(jù),并 根據(jù)所述用戶的群智感知數(shù)據(jù)建立隱馬爾可夫模型,然后,對所述隱馬爾可夫模型進行訓 練,確定出所述用戶的群智感知數(shù)據(jù)中能夠保護隱私信息的群智感知數(shù)據(jù)中所包含的信息 可用量最大的群智感知數(shù)據(jù),并將確定出的群智感知數(shù)據(jù)作為用于上傳的群智感知數(shù)據(jù), 最后,將所述用于上傳的群智感知數(shù)據(jù)發(fā)送給群智感知服務器,這就使得攻擊者即使能夠 獲取用戶上傳的群智感知數(shù)據(jù),能夠獲知本發(fā)明實施例所建立的隱馬爾可夫模型,也不能 有效地推理出用戶的隱私信息,從而能夠保護用戶的隱私信息,同時,能夠確保用戶獲取到 群智感知服務提供者所提供的優(yōu)質服務。
[0026] 可選地,在本發(fā)明用于群智感知的隱私保護方法的另一實施例中,以隱馬爾 可夫模型中的隱含狀態(tài)序列丨來表示用戶的隱私信息,觀測狀態(tài)序列 _f=Itzt2,…,τ j來表示所述用戶的群智感知數(shù)據(jù),所述隱馬爾可夫模型的隱含狀態(tài)轉移 概率矩陣A = {ai]},a1]= P (S , I S1)表示從所述隱含狀態(tài)序列§中第i個隱含狀態(tài)S1到第 j個隱含狀態(tài)S,的轉移概率,所述隱馬爾可夫模型的觀測狀態(tài)轉移概率矩陣B = {b d =P (T11 S,)表示在所述隱含狀態(tài)序列§中第j個隱含狀態(tài)&的情況下,觀測狀態(tài)為所述觀 測狀態(tài)序列f中第i個觀測狀態(tài)T1的概率,所述隱馬爾可夫模型的初始狀態(tài)概率矩陣Π ={> J,π 1表示所述隱含狀態(tài)序列g的第一個值是所述隱含狀態(tài)序列g中第i個隱含狀 態(tài)S1K概率;其中,Μ、N、i和j為整數(shù)。
[0027] 可選地,在本發(fā)明用于群智感知的隱私保護方法的另一實施例中,所述對對所述 隱馬爾可夫模型進行訓練,確定出用于上傳的群智感知數(shù)據(jù),包括:
[0028] 基于所述隱馬爾可夫模型,對于用戶能夠上傳的任意一種群智感知數(shù)據(jù) 0={ao._.cU,利用維特比算法確定出p兄3和P[Sl],判斷下述公式 p & 0 -p:[SjM是否成立;
[0029] 對于滿足所述P Sf ? - Ρ?孓]玄咨的用戶能夠上傳的群智感知數(shù)據(jù) ...cU,計算該用戶能夠上傳的群智感知數(shù)據(jù)0=丨O1O2,…,cU所包含的 信息可用量油7辦(0),公式如下:
[0030] UiiIity(O)=^7 ; iV
[0031] 其中,所述$中第i個數(shù)據(jù)仏等于所述觀測狀態(tài)序列f中第i個觀測狀態(tài)1\或 者空值,所述p ?為在已知所述g的情況下確定出所述隱含狀態(tài)序列g中第i個隱 含狀態(tài)S1的概率,所述P [S J為在未知所述3的情況下確定出所述隱含狀態(tài)序列^中第i 個隱含狀態(tài)S1的概率,所述δ為預先設置的一個常數(shù)值,所述X為所述(5中不為空的數(shù)據(jù) 數(shù)量;
[0032] 將確定出的所述信息可用量進行比較,確定所述信息可用量中的最大信息可用量 所對應的用戶能夠上傳的群智感知數(shù)據(jù)為所述用于上傳的群智感知數(shù)據(jù)。
[0033] 本發(fā)明實施例中,δ的值設置的越小,攻擊者就越難推測出用戶的隱私信息。本 發(fā)明實施例中確定出的用于上傳的群智感知數(shù)據(jù)能夠在保護隱私信息的同時,保留最多的 信息量,以便用戶將采集的群智感知數(shù)據(jù)盡量多的上傳到群智感知服務器。
[0034] 可選地,在本發(fā)明用于群智感知的隱私保護方法的另一實施例中,所述隱含狀態(tài) 序列g的第一個值是所述隱含狀態(tài)序列g中第i個隱含狀態(tài)S1的概率5 = 〇 ^ N。
[0035] 如圖2所示,本實施例公開一種用于群智感知的隱私保護裝置,包括:
[0036] 模型建立單元1,用于獲取用戶的群智感知數(shù)據(jù),并根據(jù)所述用戶的群智感知數(shù)據(jù) 建立隱馬爾可夫模型;
[0037] 確定單元2,用于對所述隱馬爾可夫模型進行訓練,確定出用于上傳的群智感知數(shù) 據(jù);其中,所述用于上傳的群智感知數(shù)據(jù)為所述用戶的群智感知數(shù)據(jù)中能夠保護隱私信息 的群智感知數(shù)據(jù)中所包含的信息可用量最大的群智感知數(shù)據(jù);
[0038] 發(fā)送單元3,用于將所述用于上傳的群智感知數(shù)據(jù)發(fā)送給群智感知服務器。
[0039] 本發(fā)明實施例用于群智感知的隱私保護裝置,首先,獲取用戶的群智感知數(shù)據(jù),并 根據(jù)所述用戶的群智感知數(shù)據(jù)建立隱馬爾可夫模型,然后,對所述隱馬爾可夫模型進行訓 練,確定出所述用戶的群智感知數(shù)據(jù)中能夠保護隱私信息的群智感知數(shù)據(jù)中所包含的信息 可用量最大的群智感知數(shù)據(jù),并將確定出的群智感知數(shù)據(jù)作為用于上傳的群智感知數(shù)據(jù), 最后,將所述用于上傳的群智感知數(shù)據(jù)發(fā)送給群智感知服務器,這就使得攻擊者即使能夠 獲取用戶上傳的群智感知數(shù)據(jù),能夠獲知本發(fā)明實施例所建立的隱馬爾可夫模型,也不能 有效地推理出用戶的隱私信息,從而能夠保護用戶的隱私信息,同時,能夠確保用戶獲取到 群智感知服務提供者所提供的優(yōu)質服務。
[0040] 可選地,在本發(fā)明用于群智感知的隱私保護裝置的另一實施例中,以隱馬爾 可夫模型中的隱含狀態(tài)序列§=g fs2,···,來表示用戶的隱私信息,觀測狀態(tài)序列 ?Ητντ;:,…,Ti來表示所述用戶的群智感知數(shù)據(jù),所述隱馬爾可夫模型的隱含狀態(tài)轉 移概率矩陣A = {&1]},a1]= P (S , I S1)表示從所述隱含狀態(tài)序列§中第i個隱含狀態(tài)SjlJ 第j個隱含狀態(tài)S,的轉移概率,所述隱馬爾可夫模型的觀測狀態(tài)轉移概率矩陣B = {b d, blj= P (T i I Sj)表示在所述隱含狀態(tài)序列^中第j個隱含狀態(tài)$的情況下,觀測狀態(tài)為所 述觀測狀態(tài)序列rJ中第i個觀測狀態(tài)T1的概率,所述隱馬爾可夫模型的初始狀態(tài)概率矩陣 Π ={> J,π 1表示所述隱含狀態(tài)序列§的第一個值是所述隱含狀態(tài)序列g中第i個隱含 狀態(tài)S1K概率;其中,Μ、N、i和j為整數(shù)。
[0041] 可選地,參看圖3,在本發(fā)明用于群智感知的隱私保護裝置的另一實施例中,所述 確定單元2,包括:
[0042] 第一計算子單元20,用于基于所述隱馬爾可夫模型,對于用戶能夠上傳的任意一 種群智感知數(shù)據(jù)h利用維特比算法確定出P篆0和PR],判斷下述 公式?麗3 -pDs^m是否成立;
[0043] 第二計算子單元21,用于對于滿足所述P的用戶能夠 上傳的群智感知數(shù)據(jù),…,OsJ,計算該用戶能夠上傳的群智感知數(shù)據(jù) 0=丨0,,0:,.",〇,)所包含的信息可用量_卿(δ),公式如下: _4]
[0045] 其中,所述(3中第i個數(shù)據(jù)仏等于所述觀測狀態(tài)序列f中第i個觀測狀態(tài)1\或 者空值,所述P 5^.0為在已知所述g的情況下確定出所述隱含狀態(tài)序列g中第i個隱 含狀態(tài)S1的概率,所述P[S J為在未知所述$的情況下確定出所述隱含狀態(tài)序列I中第i 個隱含狀態(tài)S1的概率,所述δ為預先設置的一個常數(shù)值,所述X為所述&中不為空的數(shù)據(jù) 數(shù)量;
[0046] 確定子單元22,用于將確定出的所述信息可用量進行比較,確定所述信息可用量 中的最大信息可用量所對應的用戶能夠上傳的群智感知數(shù)據(jù)為所述用于上傳的群智感知 數(shù)據(jù)。
[0047] 本發(fā)明實施例中,δ的值設置的越小,攻擊者就越難推測出用戶的隱私信息。本 發(fā)明實施例中確定出的用于上傳的群智感知數(shù)據(jù)能夠在保護隱私信息的同時,保留最多的 信息量,以便用戶將采集的群智感知數(shù)據(jù)盡量多的上傳到群智感知服務器。
[0048] 可選地,在本發(fā)明用于群智感知的隱私保護裝置的另一實施例中,所述隱含狀態(tài) … 1 序列2的第一個值是所述隱含狀態(tài)序列S中第i個隱含狀態(tài)Si的概率TTi. = -
【主權項】
1. 一種用于群智感知的隱私保護方法,其特征在于,包括: 獲取用戶的群智感知數(shù)據(jù),并根據(jù)所述用戶的群智感知數(shù)據(jù)建立隱馬爾可夫模型; 對所述隱馬爾可夫模型進行訓練,確定出用于上傳的群智感知數(shù)據(jù);其中,所述用于上 傳的群智感知數(shù)據(jù)為所述用戶的群智感知數(shù)據(jù)中能夠保護隱私信息的群智感知數(shù)據(jù)中所 包含的信息可用量最大的群智感知數(shù)據(jù); 將所述用于上傳的群智感知數(shù)據(jù)發(fā)送給群智感知服務器。2. 根據(jù)權利要求1所述的用于群智感知的隱私保護方法,其特征在于,W隱馬爾 可夫模型中的隱含狀態(tài)序歹來表示用戶的隱私信息,觀測狀態(tài)序列 Τ={Τι,Τ2,···,Τν?來表示所述用戶的群智感知數(shù)據(jù),所述隱馬爾可夫模型的隱含狀態(tài)轉 移概率矩陣A = Κ,},ai,= Ρ (S , I Si)表示從所述隱含狀態(tài)序列g中第i個隱含狀態(tài)Si到 第j個隱含狀態(tài)S,的轉移概率,所述隱馬爾可夫模型的觀測狀態(tài)轉移概率矩陣B =化1,}, by = P燈11 Sj)表示在所述隱含狀態(tài)序列§中第j個隱含狀態(tài)Sj的情況下,觀測狀態(tài)為所述 觀測狀態(tài)序列f中第i個觀測狀態(tài)Ti的概率,所述隱馬爾可夫模型的初始狀態(tài)概率矩陣Π ={> J,π 1表示所述隱含狀態(tài)序列g的第一個值是所述隱含狀態(tài)序列g中第i個隱含狀 態(tài)Si的概率;其中,M、N、i和j為整數(shù)。3. 根據(jù)權利要求2所述的用于群智感知的隱私保護方法,其特征在于,所述對對所述 隱馬爾可夫模型進行訓練,確定出用于上傳的群智感知數(shù)據(jù),包括: 基于所述隱馬爾可夫模型,對于用戶能夠上傳的任意一種群智感知數(shù)據(jù)利用維特比算法確定出?裝〇和P歧],判斷下述公式 P: &0 -P怯是否成立; 對于滿足所述的用戶能夠上傳的群智感知數(shù)據(jù),計算該用戶能夠上傳的群智感知數(shù)巧?包含的 信息可用量W/7/'印(玩,公式如下:其中,所述6中第i個數(shù)據(jù)等于所述觀測狀態(tài)序列f中第i個觀測狀態(tài)Τι或者空 值,所述Ρ 5, 0為在已知所達Q的情況下確定出所述隱含狀態(tài)序列g中第i個隱含狀態(tài) Si的概率,所述P [S 1]為在未知所述5慚情況下確定出所述隱含狀態(tài)序列I中第i個隱含 狀態(tài)Si的概率,所述δ為預先設置的一個常數(shù)值,所述X為所述6中不為空的數(shù)據(jù)數(shù)量; 將確定出的所述信息可用量進行比較,確定所述信息可用量中的最大信息可用量所對 應的用戶能夠上傳的群智感知數(shù)據(jù)為所述用于上傳的群智感知數(shù)據(jù)。4. 根據(jù)權利要求2所述的用于群智感知的隱私保護方法,其特征在于,所述隱含狀態(tài) 序列S的第一個值是所述隱含狀態(tài)序列S中第i個隱含狀態(tài)Si的概率;Γ,. = ^ 3 苗 ]S[。5. -種用于群智感知的隱私保護裝置,其特征在于,包括: 模型建立單元,用于獲取用戶的群智感知數(shù)據(jù),并根據(jù)所述用戶的群智感知數(shù)據(jù)建立 隱馬爾可夫模型; 確定單元,用于對所述隱馬爾可夫模型進行訓練,確定出用于上傳的群智感知數(shù)據(jù);其 中,所述用于上傳的群智感知數(shù)據(jù)為所述用戶的群智感知數(shù)據(jù)中能夠保護隱私信息的群智 感知數(shù)據(jù)中所包含的信息可用量最大的群智感知數(shù)據(jù); 發(fā)送單元,用于將所述用于上傳的群智感知數(shù)據(jù)發(fā)送給群智感知服務器。6. 根據(jù)權利要求5所述的用于群智感知的隱私保護裝置,其特征在于,W隱馬爾 可夫模型中的隱含狀態(tài)序列來表示用戶的隱私信息,觀測狀態(tài)序列裝表示所述用戶的群智感知數(shù)據(jù),所述隱馬爾可夫模型的隱含狀態(tài)轉移 概率矩陣A = {ay},aii= P (S i I Si)表示從所述隱含狀態(tài)序列§中第i個隱含狀態(tài)Si到第 j個隱含狀態(tài)S,的轉移概率,所述隱馬爾可夫模型的觀測狀態(tài)轉移概率矩陣B =化1,},bi, =P燈11 Sj)表示在所述隱含狀態(tài)序列g中第j個隱含狀態(tài)Sj的情況下,觀測狀態(tài)為所述觀 測狀態(tài)序列f中第i個觀測狀態(tài)Ti的概率,所述隱馬爾可夫模型的初始狀態(tài)概率矩陣Π ={> J,π 1表示所述隱含狀態(tài)序列g的第一個值是所述隱含狀態(tài)序列§中第i個隱含狀 態(tài)Si的概率;其中,M、N、i和j為整數(shù)。7. 根據(jù)權利要求6所述的用于群智感知的隱私保護裝置,其特征在于,所述確定單元, 包括: 第一計算子單元,用于基于所述隱馬爾可夫模型,對于用戶能夠上傳的任意一種群智 感知數(shù)巧利用維特比算法確定江和P歧],判斷下述公式I否成立; 第二計算子單元,用于對于滿足所述的用戶能夠上傳的群智感 知數(shù)據(jù)計算該用戶能夠上傳的群智感知數(shù)據(jù)所 包含的信息可用量?"http:///兮(瓦,公式如下:其中,所述6中第i個數(shù)據(jù)等于所述觀測狀態(tài)序列f中第i個觀測狀態(tài)Τι或者空 值,所過為在已知所述5的情況下確定出所述隱含狀態(tài)序列g中第i個隱含狀 態(tài)Si的概率,所述P[S 1]為在未知所述的情況下確定出所述隱含狀態(tài)序列I中第i個 隱含狀態(tài)Si的概率,所述δ為預先設置的一個常數(shù)值,所述X為所述5中不為空的數(shù)據(jù)數(shù) 量; 確定子單元,用于將確定出的所述信息可用量進行比較,確定所述信息可用量中的最 大信息可用量所對應的用戶能夠上傳的群智感知數(shù)據(jù)為所述用于上傳的群智感知數(shù)據(jù)。8.根據(jù)權利要求6所述的用于群智感知的隱私保護裝置,其特征在于,所述隱含狀態(tài) 一 一 1 序列C的第一個值是所述隱含狀態(tài)序列S中第i個隱含狀態(tài)Si的概率巧 Ν'。
【文檔編號】G06F21/62GK105844168SQ201510018797
【公開日】2016年8月10日
【申請日】2015年1月14日
【發(fā)明人】劉云浩, 馬強, 張善豐, 劉克彬
【申請人】清華大學