群智感知 研究綜述

【摘要】物聯(lián)網(wǎng)在物理世界與信息世界的聯(lián)網(wǎng)和擴展需求之下進入大眾視野，感知網(wǎng)絡(luò)作為物聯(lián)網(wǎng)的核心技術(shù)，但是成本非常高?；ヂ?lián)網(wǎng)+群體思維的群智感知網(wǎng)絡(luò)的出現(xiàn)，可以解決高成本的問題，但是群智感知網(wǎng)絡(luò)的發(fā)展面臨著一些挑戰(zhàn)，參與用戶不愿意去共享個人的隱私數(shù)據(jù)。本文利用實證研究的方法，構(gòu)建群智感知平臺上用戶隱私數(shù)據(jù)共享意愿的概念模型，并通過問卷調(diào)研得出研究結(jié)論，為群智感知平臺提高用戶隱私數(shù)據(jù)共享意愿提供一定的理論指導(dǎo)。

【關(guān)鍵詞】群智感知平臺;成本;收益

群智感知網(wǎng)絡(luò)指普通用戶的移動設(shè)備作為參與感知任務(wù)的基本單元，通過移動互聯(lián)網(wǎng)進行協(xié)作，實現(xiàn)感知任務(wù)參與和數(shù)據(jù)的收集，完成大規(guī)模的社會感知任務(wù)。

1. 群智感知網(wǎng)絡(luò)發(fā)展的有利條件

群智感知網(wǎng)絡(luò)的飛速發(fā)展主要基于以下幾個因素：移動智能手機的廣泛普及。據(jù)調(diào)查統(tǒng)計，截止2018年底，全球智能手機用戶數(shù)量已突破24.1億，預(yù)計到 2019年將增長8%，WirelessExpertise在《未來移動應(yīng)用展望報告》中提到，2020年智能手機在移動市場中占比將達到30%左右;傳感器技術(shù)的飛速發(fā)展，智能手機的傳感器包括：紅外線傳感器、WiFi信號檢測器，諸多的傳感器為用戶參與群智感知任務(wù)提供了保障;隨著智能手機開放性的不斷提高，應(yīng)用商店的逐步興起，智能手機的計算、存儲、通信和感知能力不斷增強;高計算和高存儲能力的計算中心的出現(xiàn)。同時，云計算和云存儲技術(shù)的高速發(fā)展，為海量數(shù)據(jù)的存儲及數(shù)據(jù)的計算提供可能。如微軟Azure、Google Drive、IBM Bluemix Paas、阿里云存儲、亞馬遜AWS、和163云存儲等，云技術(shù)的出現(xiàn)為群智感知平臺的進一步發(fā)展提供了技術(shù)支撐。

2.國內(nèi)外群智感知網(wǎng)絡(luò)相關(guān)研究

加州伯克利大學(xué)（UCB）的Common Sense項目介紹了一種移動設(shè)備參與感知并收集空氣質(zhì)量數(shù)據(jù)的方法，希望能夠幫助日常收集公民與政治相關(guān)數(shù)據(jù)并參與做決定的過程。噪音級別監(jiān)測項目 Ear-Phone介紹設(shè)計了一種噪聲測繪系統(tǒng)，實現(xiàn)端到端參與性的績效評估城市噪聲。Ear-Phone首次利用Compressive感覺到解決恢復(fù)的根本問題來自不完整和隨機樣本的噪聲圖，通過眾包數(shù)據(jù)收集獲得。將耳機在諾基亞N95和HP iPAQ移動設(shè)備上實施，準確的收集了移動設(shè)備上的噪音污染讀數(shù)。廣泛地模擬和室外實驗證明了這一項目對于移動設(shè)備上系統(tǒng)資源消耗合理，并進一步提供了高重建精度的噪聲圖。哥倫比亞大學(xué)的CenceMe項目設(shè)計，實施，評估了應(yīng)用程序，用戶通過包含傳感器的移動設(shè)備在社交網(wǎng)絡(luò)分享信息，如Facebook和MySpace等工作應(yīng)用程序。研究者報告了性能測量表明軟件的計算要求以及CenceMe手機客戶端的能耗。項目通過二十個用戶連續(xù)三周在校園小鎮(zhèn)使用CenceMe的研究來驗證系統(tǒng)。商業(yè)化地圖服務(wù)公司位智（Waze），數(shù)百萬人構(gòu)成了Waze社區(qū)，在社區(qū)其他司機的幫助下，實時獲得最佳路線。通過社區(qū)可以了解其他司機如何減少交通堵塞，并使道路更好地融合在一起。

在國內(nèi)，清華大學(xué)、北京郵電大學(xué)、西安交通大學(xué)、南京郵電大學(xué)、南京工業(yè)大學(xué)、西北工業(yè)大學(xué)和國防科技大學(xué)等著名科研機構(gòu)在群智感知研究方面也取得了一系列研究成果。南京郵電大學(xué)的黃涵霞，丁強等人提出了移動終端群智感知模型，競爭和協(xié)作相輔相成的激勵模式。 南京工業(yè)大學(xué)的胡煜家提出了一種基于深度強化學(xué)習(xí)的隱私保護策略，該策略以較低的抑制率保護了用戶的位置隱私信息的泄露。西安交通大學(xué)的梁艷提出一種支持隱私保護的動態(tài)激勵機制。通過定義區(qū)域熱度、時間熱度等多維參數(shù)，完成對感知任務(wù)參與節(jié)點的激勵。在群智感知系統(tǒng)模擬平臺上的仿真實驗結(jié)果表明，該動態(tài)激勵機制不僅增強了隱私保護度和數(shù)據(jù)精確度，同時提升了時間效率和激勵效果。武漢大學(xué)的劉倩為群智感知網(wǎng)中的查詢設(shè)計了一種隱私保護算法，有效緩解人們對群智感知網(wǎng)絡(luò)中隱私泄露風(fēng)險的擔(dān)憂。

3. 群智感知網(wǎng)絡(luò)發(fā)展面臨的挑戰(zhàn)

移動群智感知網(wǎng)絡(luò)提供了一種低成本的物聯(lián)網(wǎng)感知模式，在各個研究領(lǐng)域有所探索，成為當(dāng)前的研究熱點，同時也為研究者帶來了極大的挑戰(zhàn)。該領(lǐng)域已有技術(shù)研究大致可分為：數(shù)據(jù)處理技術(shù)、激勵機制、群智感知平臺等。但是，群智感知網(wǎng)絡(luò)的發(fā)展才干剛剛起步，所以出現(xiàn)了以下三大關(guān)鍵問題需要解決：由于群智感知網(wǎng)絡(luò)可能會搜集諸如用戶上班和回家的日常行走路線等敏感數(shù)據(jù)，那么這些用戶隱私數(shù)據(jù)的安全性如何保障？這些感知數(shù)據(jù)一旦泄露將嚴重威脅用戶隱私安全;平臺如何獲取高質(zhì)量的數(shù)據(jù)？ 即排除一些不可靠和不準確的感知數(shù)據(jù)，保證數(shù)據(jù)的真實性和完整性;由于涉及參與者的隱私信息，參與者積極性不高，那么用戶不愿意將個人隱私數(shù)據(jù)在群智感知平臺進行共享，這樣平臺就不能招募到足夠多的參與者來獲得高質(zhì)可靠的感知數(shù)據(jù)。所以未來的研究中，可以致力于探索群智感知平臺上用戶隱私數(shù)據(jù)共享意愿的研究。

4. 用戶隱私數(shù)據(jù)共享意愿研究模型

本文主要討論收益和成本對群智感知平臺上用戶隱私數(shù)據(jù)共享意愿的影響。將物質(zhì)激勵、互惠、助人樂趣、自我效能感、感知費用、隱私風(fēng)險、安全風(fēng)險作為自變量，用戶隱私數(shù)據(jù)共享意愿作為因變量，構(gòu)建用戶隱私數(shù)據(jù)共享意愿研究的概念模型。通過參考已有文獻，提出用戶隱私數(shù)據(jù)共享意愿的假設(shè)，提出假設(shè)H1與假設(shè)H2.

假設(shè)H1： 收益對用戶隱私數(shù)據(jù)共享意愿有正向的影響

假設(shè)H2： 成本對用戶隱私數(shù)據(jù)共享意愿有負向的影響

文本通過設(shè)計用戶隱私數(shù)據(jù)共享意愿的測量量表，選取高效大學(xué)生群體進行問卷分析，回收136份問卷，其中無效問卷4份，問卷有效率為97.06%。在對數(shù)據(jù)進行調(diào)研的基礎(chǔ)之上，采用SPSS20.0對其進行回歸分析，模型1以人口統(tǒng)計方面的控制變量為自變量，共享意愿為因變量，模型2是在模型1的基礎(chǔ)之上加入物質(zhì)激勵、互惠、助人樂趣、自我效能感進行回歸分析，具體的數(shù)據(jù)分析結(jié)果如表1所示：

從表1的結(jié)果可以看出，收益和用戶隱私數(shù)據(jù)共享意愿回歸模型可以解釋因變量變異的37.3%，且F值為7.759，達到顯著性水平收益四個維度回歸系數(shù)分別為0.120、0.133、0.440、0.142，表明物質(zhì)激勵、互惠、助人樂趣、自我效能感對用戶隱私數(shù)據(jù)共享意愿有顯著的正向影響，因此，假設(shè)H1成立。成本和用戶隱私數(shù)據(jù)共享意愿回歸模型可以解釋因變量變異的37.3%，達到顯著性水平。成本三個維度回歸系數(shù)分別為-0.329、-0.393、-0.175，表明感知費用、隱私風(fēng)險、安全風(fēng)險三個維度都對用戶隱私數(shù)據(jù)共享意愿有顯著的負向影響，因此，假設(shè)H2成立。

5. 研究結(jié)論

從以上的實證研究可以得出，收益的四個維度會對用戶隱私數(shù)據(jù)共享意愿起到顯著地正向影響，成本的三個維度會對用戶隱私數(shù)據(jù)共享意愿起到顯著地負向影響，所以群智感知平臺在未來的研究發(fā)展中可以加大對參與群體的激勵力度，同時讓參與群智感知任務(wù)的群體感受到更少的成本付出，這樣才能有效提高群智感知平臺上用戶的參與意愿，為平臺獲取海量數(shù)據(jù)提供一定的參考。

參考文獻：

[1]何宏，向朝參，肖書成.群智感知網(wǎng)絡(luò)研究現(xiàn)狀與發(fā)展[J].吉林大學(xué)學(xué)報（信息科學(xué)版）， 2016， 34（3）.

[2]胡煜家，白光偉，沈航.移動群智感知中基于深度強化學(xué)習(xí)的位置隱私保護策略[J].小型微型計算機系統(tǒng)， 2019， 40（02）：49-55.

[3]吳垚，曾菊儒，彭輝，陳紅，李翠平.群智感知激勵機制研究綜述[J].軟件學(xué)報（8期）：2025-2047.

作者簡介：鄭曉茹（1996-），女，漢族，山西運城人，碩士研究生，研究方向：決策支持與決策行為。