[發(fā)明專(zhuān)利]邊緣計(jì)算架構(gòu)下的差分私有多源無(wú)線(xiàn)信號(hào)指紋融合室內(nèi)定位方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010915760.0
• 申請(qǐng)日: 2020-09-03
• 公開(kāi)（公告）號(hào): CN111988845B
• 公開(kāi)（公告）日: 2022-02-22
• 發(fā)明（設(shè)計(jì)）人: 張學(xué)軍;陳前;鮑俊達(dá);何福存;蓋繼揚(yáng);杜曉剛;黃海燕;巨濤
• 申請(qǐng)（專(zhuān)利權(quán)）人: 蘭州交通大學(xué)
• 主分類(lèi)號(hào): H04W64/00
• 分類(lèi)號(hào): H04W64/00;H04W12/00;H04W4/33;H04W4/80;H04W84/12;H04L67/10;G06K9/62;G01S5/02
• 代理公司: 蘭州智和專(zhuān)利代理事務(wù)所(普通合伙) 62201
• 代理人: 張英荷

一種邊緣計(jì)算架構(gòu)下的差分私有多源無(wú)線(xiàn)信號(hào)指紋融合室內(nèi)定位方法，其為：(1)邊緣設(shè)備將自己擁有的信息強(qiáng)度RSS數(shù)據(jù)經(jīng)添加拉普拉斯噪聲后隨機(jī)發(fā)送到附近邊緣節(jié)點(diǎn)；(2)邊緣節(jié)點(diǎn)接收到RSS數(shù)據(jù)后，將相同位置收集到的WiFi和藍(lán)牙的RSS數(shù)據(jù)進(jìn)行聚合，并對(duì)其進(jìn)行統(tǒng)一標(biāo)定后發(fā)送給邊緣服務(wù)器；(3)邊緣服務(wù)器將接收到的噪聲標(biāo)記和未標(biāo)記樣本整合在一起，并利用圖拉普拉斯流行約束對(duì)WiFi和BLE的RSS數(shù)據(jù)進(jìn)行差分隱私保護(hù)的特征融合，并將所有經(jīng)過(guò)隱私保護(hù)處理后的數(shù)據(jù)集發(fā)送到云服務(wù)器；(4)云服務(wù)器擬合學(xué)習(xí)參數(shù)，進(jìn)行滿(mǎn)足差分私有的機(jī)器學(xué)習(xí)模型訓(xùn)練，生成安全可信的室內(nèi)定位模型。本發(fā)明不僅能夠提供可證明的隱私保護(hù)，而且可以保證較高的定位精度和較少的資源消耗。

技術(shù)領(lǐng)域

本發(fā)明涉及室內(nèi)定位的服務(wù)領(lǐng)域，為了獲得更好的定位服務(wù)，用戶(hù)自愿提供自己擁有或收集的數(shù)據(jù)參與定位模型的訓(xùn)練，并逐層經(jīng)過(guò)適當(dāng)?shù)牟罘炙接袛_動(dòng)后，在云服務(wù)器生成安全可信的室內(nèi)定位模型，從而保護(hù)用戶(hù)的位置隱私。

背景技術(shù)

在傳統(tǒng)以云為中心的計(jì)算方法中，移動(dòng)設(shè)備收集的數(shù)據(jù)將被全部上傳并存儲(chǔ)在云端的服務(wù)器上進(jìn)行集中的計(jì)算與處理。然而，隨著物聯(lián)網(wǎng)、群智感知、社交網(wǎng)絡(luò)等技術(shù)和領(lǐng)域的飛速發(fā)展。無(wú)處不在的移動(dòng)設(shè)備、傳感器持續(xù)產(chǎn)生海量數(shù)據(jù)、數(shù)以?xún)|計(jì)的用戶(hù)在享受互聯(lián)網(wǎng)服務(wù)時(shí)產(chǎn)生巨量的交互，使得邊緣側(cè)數(shù)據(jù)出現(xiàn)爆炸式增長(zhǎng)，云計(jì)算在處理這些數(shù)據(jù)的時(shí)候，會(huì)消耗大量的計(jì)算和存儲(chǔ)資源，其能力就會(huì)顯得捉襟見(jiàn)肘。邊緣計(jì)算可以遷移云計(jì)算的壓力，高效地處理這些海量數(shù)據(jù)(例如圖片、視頻、位置信息等)，促使以數(shù)據(jù)為驅(qū)動(dòng)的人工智能成為可能。

另一方面，室內(nèi)定位技術(shù)作為人工智能發(fā)展中的一大領(lǐng)域，學(xué)術(shù)界和工業(yè)界對(duì)該技術(shù)做了大量的研究。基于Wi-Fi指紋的室內(nèi)定位技術(shù)被認(rèn)為是現(xiàn)今最流行的方法之一，該技術(shù)采用機(jī)器學(xué)習(xí)方法利用來(lái)自多個(gè)無(wú)線(xiàn)傳感器信標(biāo)和接入點(diǎn)(AP)的無(wú)線(xiàn)信息強(qiáng)度(RSS)來(lái)確保定位的準(zhǔn)確性，但該技術(shù)潛在的隱私問(wèn)題也不容忽視，在定位過(guò)程中可能會(huì)泄露用戶(hù)端的位置信息以及服務(wù)器數(shù)據(jù)庫(kù)的數(shù)據(jù)隱私。一些重大的用戶(hù)數(shù)據(jù)泄露事件逐漸成為人們關(guān)注的焦點(diǎn)，例如近期Facebook的數(shù)據(jù)泄露事件就曾引起了不小的社會(huì)恐慌。目前，各國(guó)都在加強(qiáng)對(duì)數(shù)據(jù)安全和隱私的保護(hù)。2018年5月25日，歐盟開(kāi)始實(shí)施《通用數(shù)據(jù)保護(hù)條例》旨在保護(hù)用戶(hù)的個(gè)人隱私和數(shù)據(jù)安全，對(duì)于經(jīng)營(yíng)方也進(jìn)行了明確的約束。

傳統(tǒng)的人工智能數(shù)據(jù)處理模式有著相對(duì)固定的流程，一般是一方收集數(shù)據(jù)，再轉(zhuǎn)移到另一方進(jìn)行處理、清洗、建模，再將最終的模型銷(xiāo)售給第三方。不過(guò)，在相關(guān)法律完善之后，監(jiān)督管理也會(huì)更加嚴(yán)格，當(dāng)數(shù)據(jù)離開(kāi)收集方，或是用戶(hù)不了解模型的具體用途時(shí)，經(jīng)營(yíng)者就會(huì)伴隨著觸犯法律的風(fēng)險(xiǎn)。如果無(wú)法合法地解決用戶(hù)數(shù)據(jù)隱私泄露的問(wèn)題，那么大數(shù)據(jù)的這個(gè)遺留問(wèn)題就很有可能會(huì)成為人工智能的健康發(fā)展的瓶頸之一。