Hu J , Lin H , Guo X , et al. DTCS: An Integrated Strategy for Enhancing Data Trustworthiness in Mobile Crowdsourcing[J]. IEEE Internet of Things Journal, 2018, PP(99):1-1.

概要

移动众包系统(MCS)是物联网定位服务的重要信息源，例如通过雇佣公民参与数据收集来收集位置信息。虽然针对MCS已经了有大量的研究和开发工作，但在安全和隐私方面，MCS仍然面临着许多问题和挑战。本文提出了一种名为DTCS的集成策略，用来提高数据可信度和抵御移动众包的内部威胁。DTCS集成了有效的方法，包括对参与者属性相关性和熟悉度的评价方案、信任关系的建立方法、基于属性和metagraph的分组策略以及基于核心选择的激励机制。仿真结果表明，与包括TSCM和PPPCM在内的最先进的众包策略相比，DTCS提高了众包策略的性能，并且能够有效抵御内部冲突行为攻击和共谋攻击，提高移动众包数据的可信度。这项工作的主要贡献包括:

1. 针对移动众包定位服务面临的内部威胁，提出了一种数据可信度增强的众包策略。
2. DTCS创新性地融合了四种方法来实现其目标:参与者属性相关度和熟悉度的评价方案、人与群体之间信任关系的建立方法、基于属性和metagrap的群体划分策略、基于核心选择的激励机制。
3. 仿真实验表明，与包括TSCM和PPPCM在内的最先进的众包策略相比，DTCS提高了众包策略的性能。DTCS能够有效抵御内部冲突行为攻击和共谋攻击，提高MCS的数据可信度。

提高数据可信度的众包策略

在DTCS中，根据数据的灵敏度水平(SL)将传感数据分为不同的类别。在这项工作中，传感数据的灵敏度水平由数据所有者决定，固定并分为5个等级，从1到5。数据的敏感性越高，对保密性和隐私保护的需求就越大。此外，我们还使用metagraph，这是一种图形化的数据结构，用于表示一组有向集到集的映射，根据参与者的属性相关性和熟悉程度将所有参与者划分为不同的组。此外，每个参与者在做出行为决策之前都会执行一个激励机制。

绩效评估

我们开发了一个基于java的模拟器来实现所提出的策略DTCS，并将其与TSCM和PPPCM进行比较，因为它们是相似的、最新的相关众包策略。当存在内部冲突行为攻击和共谋攻击时，将评估以下性能指标。

1)众包策略的效用率(URCS)

首先，我们研究了DTCS的利用率，并将其与诚实网络和敌对网络中分别存在内部冲突行为攻击和共谋攻击时的TSCM和PPPCM进行了比较。在诚实网络中，所有的参与者都是好的参与者。而在敌对网络中，参与者可能是随机给出虚假信息的对手。

结果表明，在诚实网络环境下，三种策略都具有较高的决策准确性（所有参与者提供了真实的信息）。同时,我们可以看到URCS DTSC高于其他两种策略,原因在于DTSC所有的参与者分为不同群体使用metagraph理论基于属性相关性和熟悉评估结果,因此,更相关的和熟悉的参与者将被选择作为众包的参与者。他们提供更准确的众包数据,有效地增强了众包信息的准确性。此外，用户组划分的采用提高了相关和熟悉的参与者选择的效率。上述两个优点使得DTSC的URCS高于TSCM和PPPCM。

我们还分析了这三种策略对URCS恶意攻击的影响。实验结果表明URCS DTSC减少了7%和12%,URCS PPPCM减少了25%和40%,URCS TSCM减少了30%和45%。在DTSC中，人与人之间信任关系的建立使得参与者的声誉评价和可信众包参与者的选择成为可能。此外，通过实施有效的奖惩机制，DTSC基于核心选择的激励机制比PPPCM和TSCM具有更好的抵御内部攻击的能力。上述方案使得DTSC的URCS在三种策略中下降最快、最慢。

2)提供资料比率(DIR)

其次，分析了这三种策略在两种敌对网络环境下的误报率(DIR)。在三种策略中，DTSC的DIR最低。这是因为建立信任关系与参与者群体划分相结合，提高了参与者声誉评估的准确性和效率，解决了参与者的声誉转移和损失问题，提高了所选择的众包参与者的可靠性和众包数据的可信度，从而降低了DTSC的DIR。此外，DTSC中提出的基于核心选择的激励机制，激励被选中的参与者提供真实的信息，拒绝参与任何共谋攻击，提高了众包数据的可信度，降低了DTSC的DIR。虽然其他两种策略也采用了相关技术来提高参与者选择和数据可信度的准确性和可靠性，但它们没有考虑参与者的运动对参与者声誉评价准确性和效率的影响。此外，他们不考虑合谋攻击，无法抵御内部合谋攻击。因此，它们的DIR值高于DTSC。

我们分别对三种攻击策略中冲突行为攻击者和共谋攻击者所占的比例进行了评价。结果表明恶意参与者的数量对DIR的影响非常显著，三种策略的DIR都随着恶意参与者比例的增加而增加。然而，DTSC的DIR值相对稳定，低于PPPCM和TSCM的变化程度。无论是PPPCM还是TSCM都无法对参与者进行更准确的声誉评估，也无法解决声誉转移和损失问题，因此无法有效识别恶意参与者并选择更多相关的可信参与者，这使得它们的DIR值比DTSC下降得更快。此外，PPPCM和TSCM都不能抵抗合谋攻击，因此它们会接收到更多的错误信息，它们的DIR值下降速度比DTSC更快。

3)可信参与者选择率(TPSR)

最后，我们评估了DTCS的可信参与者选择率(TPSR)，并与TSCM和PPPCM进行了比较。三种策略在诚实网络中的TPSR比较结果表明，在诚实网络环境下，三种策略的TPSR均随着仿真时间的增加而增加。在诚实网络中，所有参与者都将积极参与协作，提供更准确、更可靠信息的积极合作参与者的声誉会更快地提高，这大大提高了参与者被选中的概率，从而提高了TPSR。在DTSC中，信任关系的建立和参与者群体的划分机制使参与者的声誉评价比TSCM和PPPCM更加准确、及时。同时，建立参与者与群体之间的信任关系，有效地解决了参与者的声誉转移和损失问题，因此，DTSC的TPSR高于TSCM和PPPCM。

我们还分析了恶意攻击对三种策略的TPSR的影响。当存在冲突行为攻击和共谋攻击时，TSCM和PPPCM的TPSR受到恶意攻击的影响比DTSC更严重。究其原因，无论是PPPCM还是TSCM都无法有效抵御冲突行为攻击和共谋攻击，无法准确、及时地评估和更新参与者的声誉或识别恶意参与者，使得TSCM和PPPCM的TPSR低于DTSC。

同时，我们分别对三种策略中冲突行为攻击者和共谋攻击者所占比例不同的TPSR进行了评价。TPSR受到恶意参与者数量的显著影响，并且三种策略的TPSR都随着恶意参与者比例的增加而降低。然而，通过建立信任关系、参与者群体划分和基于核心选择的激励机制相结合，DTSC可以识别出比TSCM和PPPCM更多的恶意参与者，从而比TSCM和PPPCM更有效地抵御冲突行为攻击和共谋攻击。因此，PPPCM和TSCM的TPSR比DTSC下降得更快。

致谢

由南京大学2019硕士生吉品翻译转述。