Industrial Internet of Things (IIoT) has exploded key revolutions in several leading industries, such as energy, agriculture, mining, transportation, and healthcare. Due to the nature of high capacity and fast transmission speed, 5G plays a pivot role in enhancing the industrial procedures, practices and guidelines, such as crowdsourcing, cloud outsourcing and platform subcontracting. Spatial crowdsourcing (SC)-servers (such as offered by DiDi, MeiTuan and Uber) assign different tasks based on workers' location information.However, SC-servers are often untrustworthy and have the threat of revealing workers' privacy. In this paper, we introduce a framework Geo-MOEA (Multi-Objective Evolutionary Algorithm) to protect location privacy of workers involved on SC platform in 5G environment. We propose an adaptive regionalized obfuscation mechanism with inference error bounds based on geo-indistinguishability (a strong notion of differential privacy), which is suitable for the context of large-scale location data and task allocations. This offers locally generated pseudo-locations of workers to be reported instead of their actual locations.Further, to optimize the trade-off between SC service availability and privacy protection, we utilize MOEA to improve the global applicability of the mechanism in 5G environment. Finally, by simulating the location scenario, the visual results on experiments show that the mechanism can not only protect location privacy, but also achieve high availability of services as desired.


翻译:在能源、农业、采矿、交通和医疗保健等几个主要行业,Things(IIoT)工业互联网(IIoT)爆发了一些重要的革命。由于能力高和传输速度快的性质,5G在加强工业程序、做法和指导方针方面发挥着枢纽作用,如众包、云外包和平台分包。空间众包(SC)服务器(如Didi、MeiTuan和Uber提供)根据工人的所在地信息分配了不同的任务。然而,SC服务器往往不可信,并有可能暴露工人的隐私。在本文中,我们引入了一个Geo-MOEA(多点目标进化阿尔高空)框架,以保护5G环境中参与SC平台的工人的定位隐私。我们建议建立一个适应性区域化的混淆机制,根据地理不易分解性(一种强烈的隐私概念)来分配不同的任务。这只能适用于大规模地点数据的提供,而且有可能暴露工人的隐私。我们无法在本地生成的虚假的假地址上报告Gogorial Evorial Evolution,而最终通过Spedivilal Provilation 来优化全球服务定位,从而实现对安全性环境的保护。

0
下载
关闭预览

相关内容

SC:International Conference for High Performance Computing, Networking, Storage, and Analysis。 Explanation:高性能计算、网络、存储和分析国际会议。 Publisher:IEEE。 SIT: http://dblp.uni-trier.de/db/conf/sc/
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月20日
VIP会员
相关VIP内容
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
相关资讯
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员