本文摘要：摘要：认知无线电的关键技术是频谱感知，将保护隐私的激励机制与协作频谱感知结合起来，有助于提高频谱检测的准确性。文中引入了差分隐私的概念，将指数机制应用于平台与用户间的反向拍卖，提出了一种具有隐私保护的基于拍卖的频谱感知算法。平台选择获胜用
摘要：认知无线电的关键技术是频谱感知，将保护隐私的激励机制与协作频谱感知结合起来，有助于提高频谱检测的准确性。文中引入了差分隐私的概念，将指数机制应用于平台与用户间的反向拍卖，提出了一种具有隐私保护的基于拍卖的频谱感知算法。平台选择获胜用户时将用户的信誉值考虑在内，并且使用了一种基于指数机制的线性得分函数选择最优的用户集。仿真结果表明，该激励机制在保护用户隐私前提下，实现检测概率的优化。
关键词：认知无线电;频谱感知;群智感知;差分隐私
无线通信技术的飞速发展引起无线设备剧增，使得无线频谱资源十分稀缺。目前频谱资源采用固定的分配方式进行授权，因此频谱利用效率很低，且极度不平衡，认知无线电系统应运而生。认知无线电可以感知系统环境，寻找空闲的频谱，并进行动态的频谱分配，这样可以有效地提高频谱利用效率。认知无线电的关键技术是频谱感知。文献[1]提到在认知无线电网络中，频谱共享的最重要目标是使买卖双方都受益，为了增加频谱共享中产生的总收益，文献[1]介绍了频谱代理与多主服务提供商之间的存储机制，并提出了基于该机制的频谱交易算法。
多用户协作频谱感知可以解决单用户感知受阴影效用、深度衰落等影响的问题，为了激励更多用户参与频谱感知，将群智感知的激励机制与频谱感知结合很有必要。文献[2]考虑到次用户自愿参与感知任务与实际情况不符合，提出了不仅利用群智感知提供足够的次用户，并且配备频谱传感器，将想参与感知任务之间的互动建模为合作博弈，通过理论证明了该博弈是一个NP⁃hard问题，且存在一个均衡解，次用户可以通过调整自己的感知时间使得感知效用最大，也可以尽量减少平台的成本，通过使用一种改进的差分算法证明了此模型的优越性。
文献[3]考虑到可能存在部分用户不愿参与感知从而破坏协作频谱感知，提出了一种基于社会效用的激励机制来解决自私问题，该机制将个人的利益转化为以社会的利益为中心，也就是说次用户在一定的激励下会选择和自己联系紧密的次用户共享信息，从而完成协作感知。文献[4]重视激励次用户协作感知，研究了一种基于信誉的CSS激励框架，该激励框架将协作频谱感知建模为间接互惠博弈。在该博弈中，次用户根据自己能获取的有效信道数量选择性地向融合中心报告感知结果，通过推导求解该博弈模型证明了此激励机制可以提升融合中心的判决精度。
文献[5]提出了一种基于贝叶斯博弈的协作频谱感知算法，所有参与感知任务的次用户都能根据贝叶斯博弈选择使得各自效用最优的策略，该算法可以提高检测概率，提升系统性能。近年来保护用户隐私逐渐被人重视，文献[6]提出了一种在不损害MCS用户隐私的情况下的机制，该机制可以保证群智感知数据的质量，通过实验证明该机制在提升数据质量和消除MCS用户动机方面有较大作用。文献[7]提出了一种用于移动群智感知的个性化隐私保护任务分配框架，该框架可以有效地分配任务，同时提供个性化的位置隐私保护。
具体做法是将各个用户到任务的模糊距离上传至服务器，从而起到保护用户的作用;文献[7]还提出了一种概率优胜者选择机制(PWSM)，通过将任务分配给最大概率与自己距离最近的用户来减少行程;此外文献[7]提出了一种VPDM付款机制，通过考虑其移动成本和隐私级别来确定付给获胜者的报酬。文献[8]以实现最小社会成本为目标提出了两个保护隐私的激励机制，在前者中，每个用户都针对其愿意执行的一组任务提交投标;在后者中，每个用户都为其任务集中的每个任务提交出价。
文献[8]中提出的两种框架均基于平台定义的评分功能选择用户，并提出了线性函数和对数函数两个得分函数以实现这两个框架。文献[7]考虑到在保证最优分配任务情况下用户具体位置暴露的问题，提出了一种用于群智感知技术的数据发布机制，使用基于用户密度并考虑用户分布不均的方法，证明了该机制满足差异性隐私，且为用户的位置提供了严格的保护。此外，文献[9]还提出了一种基于地理广播的区域选择方法，此方法可以平衡任务分配的成功率和平台的花费。已有的保护隐私的文献一般都没有结合频谱感知的场景。
在研究频谱感知相关文献中，较少考虑用户的隐私问题，因此本文主要解决在频谱感知场景下的用户隐私保护问题，具体方法是将保护隐私的激励机制与协作频谱感知结合起来，提出一种具有隐私保护的基于拍卖的频谱感知算法，并引入了差分隐私的概念，将指数机制应用于平台与用户间的反向拍卖。平台选择获胜用户时将用户的信誉值考虑在内，并且使用了一种基于指数机制的线性得分函数选择最优的用户集。
在设计的机制中，所有的用户向平台上报自身对任务的报价，平台会根据用户的信誉值以及报价计算各个用户被选中的概率，在预算范围内，平台根据概率从大到小的顺序选择获胜的用户，被选中的用户执行任务并上报感知结果，平台向选中的用户支付一定的报酬，同时所有用户更新自身的信誉值以参与下一轮的感知任务。
该机制具体分为用户参与、选择获胜者、支付报酬几个阶段，具体如下：
(1)用户参与平台发布感知任务，所有的次用户积极参与任务，用户向平台提交自己的报价bi，等待平台选择。同时平台能看到每个参与用户的信誉值情况。(2)选择获胜者设计的激励机制会给每个参与任务的次用户分配一个概率值，该概率值代表每个用户被选中的概率，信誉值是其中的一个重要参数，表示参与的次用户提供信息的质量。
激励机制性质证明本文提出的算法需要同时满足以下几个重要的性质：(1)计算有限性。如果设计的机制能在多项式时间内结束，则在计算上是有效的。(2)个人理性。如果每一个用户参与任务都能获得非负效用，则该机制具有个人理性，即所有次用户i∈W，当用户未虚假报价时，其效用ui≥0。(3)真实性。如果用户对任务的报价等于其真实价值时，其效用达到最大，则该机制满足真实性。(4)检测概率最大化。该机制在预算范围内，获得最大检测概率。在研究的频谱感知算法中考虑了用户的隐私保护问题，由于暴露用户报价和平台公布竞选结果可能导致任务无效以及用户的巨大损失。
计算机算法论文： 基于改进快速区域卷积网络的目标检测轻量化算法
本文将用户的报价作为隐私内容，提出了一种具有隐私保护的频谱感知反向拍卖算法，此外设计了一种基于指数机制的差分隐私方法，将指数机制应用于线性得分函数，平台根据此得分函数选择最优的用户集，从而完成平台与用户间的反向拍卖过程。得分函数同时包含了用户的信誉值，该信誉值一定程度上反映了用户感知数据的质量，使得该机制能在一定约束下获得最大检测概率。通过仿真评估了该激励机制的一些性能，仿真结果表明提出的激励机制在能够保护用户隐私的前提下，实现近似最大检测概率。
参考文献：
[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
转载请注明来自发表学术论文网：http://www.fbxslw.com/jjlw/28034.html
