(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211176894.0 (22)申请日 2022.09.26 (71)申请人 哈尔滨理工大 学 地址 150080 黑龙江省哈尔滨市南岗区学 府路52号哈尔滨理工大 学 (72)发明人 王健　孟凡凡　赵国生　 (51)Int.Cl. G06F 21/62(2013.01) G06N 3/08(2006.01) (54)发明名称 融合自适应差分隐私与联邦学习的群智感 知数据隐私保护 (57)摘要 在群智感知中， 现有的关于隐私保护的研究 主要是将数据上传到感知 平台， 通过服务器来进 行模型训练。 这将会延长通信时间， 还会造成个 人信息泄露。 针对以上的不足， 本发明采用联邦 学习方法， 它不需要共享感知数据， 在本地对感 知用户提交的数据进行存储、 训练形成本地模 型。 其次利用差分隐私加入高斯噪声来扰动感知 用户上传的本地模型， 防止信息泄露。 将处理后 的本地模型上传到感知 平台进行聚合。 最后采用 自适应差分隐私机制， 实时调整剪裁值， 减少噪 声和参数剪裁所造成的误差， 降低通信代价。 采 用差分隐私与联邦学习结合的方法来研究群智 感知中的隐私保护问题， 不仅提高了隐私保护效 率， 还具有较低的时间和计算 开销。 权利要求书1页 说明书4页 附图1页 CN 115510482 A 2022.12.23 CN 115510482 A 1.融合自适应差分隐私与联邦学习的群智感知数据隐私保护， 其特征在于， 通过采用 差分隐私与联邦学习相结合的方法来研究群智感知中的数据隐私保护问题。 2.根据权利要求1所述的融合自适应差分隐私与联邦学习的群智感知数据隐私保护， 其特征在于， 采用联邦学习 方法， 在本地对感知用户提交的感知数据进行存储、 训练， 生成 本地模型。 3.根据权利要求1所述的融合自适应差分隐私与联邦学习的群智感知数据隐私保护， 其特征在于， 采用差分隐私方法对感知用户上传的本地模型加入高斯噪声进行扰动， 并采 用自适应差分隐私机制， 实时调整剪 裁值。权　利　要　求　书 1/1 页 2 CN 115510482 A 2融合自适应差分隐私与联邦学习的群 智感知数据隐私 保护 技术领域 [0001]本发明属于群智感知领域， 具体涉及一种融合自适应差分隐私与联邦学习的群智 感知数据隐私保护方法。 背景技术 [0002]近来， 随着现代技术的飞速发展， 智能设备已经开始被广泛应用。 现有的智能设备 配备了各种传感器， 如加速度传感器、 磁传感器、 方向传感器和温度传感器， 这些传感器可 以感知用户周围的环境和用户持有的智能设备的状态。 群智感知是一种利用移动智能设备 的传感器来采集感知数据， 然后对感知数据进行研究的技术。 与传统的无线传感器网络相 比， 群智感知本质上将数据收集和数据聚合任务分别外包给参与者和云服务器， 群智感知 具有很大的优势， 特别是在大规模的感知任务中， 感知成本低， 感知效率高。 因此， 近年来群 智感知引起了社会各界的广泛关注， 并在交通和道路监测、 智慧城市、 医疗保健等各个领域 展开了深入的研究。 [0003]群智感知的运行依赖于大量感知用户的参与。 然而， 人本身具有自私性， 可能会发 起欺骗或者共谋攻击以最大化自身利益， 因此隐私保护问题是影响群智感知应用发展的原 因之一。 数据隐私是群智感知中关键的 隐私问题之一。 在数据感知阶段， 感知用户需要消耗 计算、 存储和 通信带宽等资源来采集感知数据以获取相应的激励报酬和奖赏， 感知平台则 需要部署合理的任务资源分配策略， 以合理的代 价获得更高质量的数据； 同时， 不同的感知 用户对于同一感知 任务具有不同的认知和参与 态度， 且感知用户的身份、 位置、 偏好等信息 是动态变化的， 感知平台如何在尽可能少地泄露用户隐私的前提下实现对感知数据质量的 正确评估以及量化隐私泄露风险是当前 的一大隐私挑战。 在数据上传阶段， 感知用户为了 契合任务场景， 选择上传的数据往往包含位置和属 性等隐私信息， 随着管理权转移至感知 平台， 感知数据容易遭受数据窃取攻击、 感知平台非授权转发及数据移动性管理困难等严 重问题。 在数据交易阶段， 理性的感知平台和云服务提供商为了追求各自最大的利益， 容易 遭受恶意共谋攻击， 使得 敏感数据、 任务报价 等隐私信息发生泄 露， 从而陷入囚徒困境。 [0004]为了缓解应用与 隐私之间的矛盾， 人们提出了很多隐私保护数据聚合的解决方 案。 感知平台聚合参与者提供的受干扰或加密的感知数据。 然而， 这些解决方案存在一定的 缺陷， 一些方案不支持对扰动感知数据的计算， 一些方案要么牺牲了计算精度， 要么需要额 外的服务器来协助计算。 并且， 参与者会消耗包括感知、 通信和计算在内的资源来执行感知 任务。 激励机制提供了一种很好的方式来补偿资源消 耗和刺激参与。 基于拍卖的竞价定价 机制和基于感知数据的发布定价机制是激励机制设计中常用的两种方法。 一个可靠的激励 机制至少满足真实性和公平性。 真实性是指一个参与者不能通过提交偏离她的真实价值的 投标价格而不知道别人的投标价格来提高她的回报。 公平意味着一个参与者的收益应该与 她的贡献 呈正相关。 [0005]由于群智感知通常使用机器学习来处理收集到的感知数据， 并且面临隐私泄露问 题。 如果我们可以将数据收集任务外包给参与者， 那么我们也可以将数据 处理任务外包给说　明　书 1/4 页 3 CN 115510482 A 3