[发明专利]基于雾计算的高效隐私保护感知大数据收集方法

权利要求书

1.一种基于雾计算的高效隐私保护感知大数据收集方法，其特征在于：包括如下步骤：

(1)设计分层的感知雾计算架构，所述感知雾计算架构自下而上依次分为相互连通的感知层、雾层和用户层；

感知层由K个簇组成，每个簇包含L个感知节点，感知节点的采样周期为N；

雾层由K个与簇相互对应进行数据传输的簇i的雾节点组成；

(2)感知节点在数据采样过程中获得压缩数据，并对压缩数据进行加密后发送给雾层；

(3)雾层中的簇i的雾节点对从感知层接收到的加密数据执行空间压缩操作，且簇i的雾节点将得到的空间压缩数据发送到用户层；

(4)所述用户层对从雾层收集到的空间压缩数据进行重建和解密；

其中，步骤(2)具体为：

假设簇i∈{1,2,...K}中的感知节点p∈{1,2,...,L}其时间维度的原始数据为X_i,p＝[x_i,p1 x_i,p2…x_i,pN]，其中x_i,pq,q∈{1,2,...,N}表示在簇i中感知节点p在时隙q时的数据；根据压缩采样理论，感知节点p在数据采样过程中获得压缩数据Y_i,p＝Φ·X_i,p＝Φ·Ψ·Θ_i,p，其中，Φ∈R^n×N为观测矩阵，Ψ∈R^N×N为对应Φ的稀疏基，Θ_i,p∈R^N为稀疏系数向量，其中，R表示实数集，n表示经过时间维度上压缩采样后的数据大小，是一个自然数；

针对压缩数据Y_i,p进行采样扰动加密得到加密数据Y′_i,p，所述采样扰动加密方法如下：

其中Y′_i,p∈Rⁿ表示加密数据，表示密钥E和观测矩阵Φ做矩阵乘法的结果，即密钥E的元素满足高斯分布N(0,1/n)，最后，感知节点p将加密数据Y′_i,p发送到雾节点i以进一步处理；

步骤(3)中将簇i的雾节点接收到的加密数据Y′_i,p排列为矩阵Y′_i＝[Y′_i,1Y′_i,2...Y′_i,L]，即每个簇具有L个感知节点，且Y′∈R^n×L，簇i的雾节点对接收到的矩阵Y′_i执行空间压缩操作，如下所示：

其中，Y′_i^T表示Y′_i的转置，Φ′∈R^l×L表示空间观测矩阵，l表示经过空间维度上压缩采样后的L的大小，Ψ′∈R^L×L表示对应Φ′的稀疏基，Θ′_i,q∈R^L,q′∈{1,2,...,n}表示空间维度的稀疏系数向量，Y″_i^T∈R^l×n表示n个时隙上的空间压缩数据。

2.如权利要求1所述的一种基于雾计算的高效隐私保护感知大数据收集方法，其特征在于：基于步骤(3)中的空间观测矩阵Φ′与对应Φ′的稀疏基Ψ′，通过最小化矩阵Φ′与Ψ′的相关性来构造以下优化问题：

其中，H和H_μ是满足上述条件的矩阵，而h_ab表示H第a行b列的元素；

当H被固定时，上述优化问题的解决方法转换成以下格式，即最优观测矩阵Φ′^*的求解问题：通过梯度下降法求得与稀疏基Ψ′相关性最低的最优观测矩阵Φ′^*，从而得到更新的空间压缩数据Y″_i^T发送给用户层。