3D移动群智感知场景下个性化位置隐私智能保护方法

来源：电子与信息学报杂志2026年第5期北京时间：

作者：闵明慧, 叶俊, 魏熙朋, 闵波, 李世银

单位：中国矿业大学信息与控制工程学院 徐州 221116

摘要：针对移动群智感知(MCS)系统中用户执行任务时上传真实位置易被不可信服务器或外部攻击者不当利用，且不同用户在不同地点对位置隐私保护的敏感度存在差异的问题，该文研究基于三维空间地理不可区分性(3DGI)和扭曲隐私的个性化位置隐私感知任务分配方法。同时，为解决动态3D MCS环境下的隐私策略选择问题，综合考虑用户能量状态、任务执行能耗、个性化隐私偏好及攻击者行为，设计了基于近端策略优化(PPO)的3D位置隐私感知任务分配机制(PPOM)。该机制采用Actor-Critic结构进行位置扰动策略学习，通过高斯策略采样与优势函数引导，动态平衡位置隐私保护与服务器利润。为了在位置扰动的前提下尽可能提升服务器利润，该文进一步构建了基于推断位置的任务分配机制，并在模拟数据集和真实GeoLife数据集上，分别设置单用户单任务(S-S)与单用户多任务(S-M)两种分配模式开展仿真实验。结果表明所提PPOM机制在隐私保护强度、服务器系统效益方面均优于对比机制，验证了其在复杂3D MCS场景中的有效性与实用性。

关键词：3D空间, 移动群智感知, 个性化位置隐私, 深度强化学习

基金资助：国家自然科学基金 (62571529, U25A20388, 62371451)，江苏省基础研究专项资金(自然科学基金)(BK20242083)，江苏省青年科技人才托举工程(JSTJ-2024-039)