[發明專利]移動群體感知中保護數據隱私的盲回歸建模及更新方法

有效

• 申請號: 201711061127.4
• 申請日: 2017-11-01
• 公開（公告）號: CN107846670B
• 公開（公告）日: 2020-05-26
• 發明（設計）人: 李超;常姍;盧婷
• 申請（專利權）人: 東華大學
• 主分類號: H04W4/38
• 分類號: H04W4/38;H04W4/70;H04W12/02;H04L29/08;H04L12/24
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 翁若瑩;吳小麗

1.一種移動群體感知中保護數據隱私的盲回歸建模方法，其特征在于，任何感知節點或服務器無需獲得其他感知節點或服務器的原始感知數據，可在包含50％以下異常值的感知數據上建立準確的回歸模型：具體包括如下步驟：

步驟1、選取“干凈”感知數據子集：

參與初始盲回歸建模的移動感知節點使用本地的一組多維感知數據測量值，通過無線通信連接移動感知服務器；移動感知節點計算當前本地感知數據測量值集合的統計均值及協方差值，并呈交給移動感知服務器；移動感知服務器獲得上述統計結果用于估計全局統計均值及協方差，然后將全局統計結果分發給各移動感知節點；各移動感知節點根據所述全局統計結果計算每個本地感知數據的馬氏距離，并呈交給移動感知服務器，馬氏距離用作估計感知測量值異常可能性的依據；移動感知服務器對所獲馬氏距離排序，選出對應馬氏距離最小的一組感知測量值，構成初始“干凈”感知數據子集，并通知持有被選中“干凈”感知數據的相應移動節點；

步驟2：構建粗糙的全局回歸模型；

移動感知節點計算本地“干凈”測量值子集，用于參與普通最小二乘法回歸建模所需的中間聚集結果；出于安全聚集的考慮，防止中間聚集結果被用于反解出原始測量值，移動感知節點使用切片技術將其本地聚集結果隨機切分為若干切片，并與其網絡拓撲中的鄰居移動感知節點交換切片，以重構新的聚集結果并呈遞給移動感知服務器；移動感知服務器集齊聚集切片后，據此構建最小二乘估計等效的粗略全局回歸模型；

步驟3：全局回歸模型求精；

移動感知服務器向移動感知節點公布當前全局回歸模型，每個移動感知節點計算本地測量值相對于當前回歸模型的殘差及本地殘差平方和，呈遞給移動感知服務器，以計算全局殘差平方和；移動感知服務器向感知節點公布全局殘差平方和，并設定異常值所對應標準化殘差的閾值；每個移動感知節點使用全局殘差平方和導出的本地測量值的標準化殘差，并使用前述閾值剔除異常值；使用剩余測量值重新構造全局回歸模型；

所述步驟3中，使用剩余測量值重新構造全局回歸模型的具體過程為：每個感知節點使用非異常測量值計算新最小二乘回歸估計所需的中間聚集結果，并通過步驟2所述切片技術向移動感知服務器呈遞重構后的聚集結果，從而實現回歸模型求精。

2.如權利要求1所述的一種移動群體感知中保護數據隱私的盲回歸建模方法其特征在于：所述步驟1中，由于移動感知服務器不具備感知測量結果本身的功能，因此需告知馬氏距離被選中的感知數據所有者，使其選出相應感知測量值參與后續步驟。

3.一種利用如權利要求1～2任一項所述的移動群體感知中保護數據隱私的盲回歸建模方法所建的盲回歸模型的更新方法，其特征在于，無需重新估計模型，可基于當前回歸模型系數和增量感知數據自適應地更新回歸模型；具體包括如下步驟：

步驟A：構建新粗糙全局模型；

首先，根據新感知數據組，使用盲回歸建模方法步驟1所述方法，發現新“干凈”感知數據子集；然后，移動感知節點使用新的“干凈”感知數據集計算更新全局模型所需的中間聚集結果，使用分片技術重構本地聚集結果并呈遞給移動感知服務器；移動感知服務器基于當前回歸模型和用新“干凈”感知數據計算的聚集結果，構建新的粗糙全局回歸模型，等效于將新“干凈”測量值納入回歸模型估計中，達到模型更新的效果；

步驟B：新回歸模型求精；

每個移動感知節點使用盲回歸建模方法步驟3所述方法重新計算如下數據：1)符合盲回歸建模方法步驟3所得舊全局模型的感知數據在新粗糙模型下的標準化殘差；2)新感知測量值在當前粗糙模型下的標準化殘差；以識別相對當前模型下的異常感知數據，從而判定需要加入新模型的感知數據和需要從當前模型中剔除的感知數據；隨后，每個移動感知節點計算新增及刪除感知數據所涉及的聚集結果，切片重構后分別呈遞于移動感知服務器，移動感知服務器據此對當前模型求精。