群智感知 研究综述

【摘要】物联网在物理世界与信息世界的联网和扩展需求之下进入大众视野，感知网络作为物联网的核心技术，但是成本非常高。互联网+群体思维的群智感知网络的出现，可以解决高成本的问题，但是群智感知网络的发展面临着一些挑战，参与用户不愿意去共享个人的隐私数据。本文利用实证研究的方法，构建群智感知平台上用户隐私数据共享意愿的概念模型，并通过问卷调研得出研究结论，为群智感知平台提高用户隐私数据共享意愿提供一定的理论指导。

【关键词】群智感知平台;成本;收益

群智感知网络指普通用户的移动设备作为参与感知任务的基本单元，通过移动互联网进行协作，实现感知任务参与和数据的收集，完成大规模的社会感知任务。

1. 群智感知网络发展的有利条件

群智感知网络的飞速发展主要基于以下几个因素：移动智能手机的广泛普及。据调查统计，截止2018年底，全球智能手机用户数量已突破24.1亿，预计到 2019年将增长8%，WirelessExpertise在《未来移动应用展望报告》中提到，2020年智能手机在移动市场中占比将达到30%左右;传感器技术的飞速发展，智能手机的传感器包括：红外线传感器、WiFi信号检测器，诸多的传感器为用户参与群智感知任务提供了保障;随着智能手机开放性的不断提高，应用商店的逐步兴起，智能手机的计算、存储、通信和感知能力不断增强;高计算和高存储能力的计算中心的出现。同时，云计算和云存储技术的高速发展，为海量数据的存储及数据的计算提供可能。如微软Azure、Google Drive、IBM Bluemix Paas、阿里云存储、亚马逊AWS、和163云存储等，云技术的出现为群智感知平台的进一步发展提供了技术支撑。

2.国内外群智感知网络相关研究

加州伯克利大学（UCB）的Common Sense项目介绍了一种移动设备参与感知并收集空气质量数据的方法，希望能够帮助日常收集公民与政治相关数据并参与做决定的过程。噪音级别监测项目 Ear-Phone介绍设计了一种噪声测绘系统，实现端到端参与性的绩效评估城市噪声。Ear-Phone首次利用Compressive感觉到解决恢复的根本问题来自不完整和随机样本的噪声图，通过众包数据收集获得。将耳机在诺基亚N95和HP iPAQ移动设备上实施，准确的收集了移动设备上的噪音污染读数。广泛地模拟和室外实验证明了这一项目对于移动设备上系统资源消耗合理，并进一步提供了高重建精度的噪声图。哥伦比亚大学的CenceMe项目设计，实施，评估了应用程序，用户通过包含传感器的移动设备在社交网络分享信息，如Facebook和MySpace等工作应用程序。研究者报告了性能测量表明软件的计算要求以及CenceMe手机客户端的能耗。项目通过二十个用户连续三周在校园小镇使用CenceMe的研究来验证系统。商业化地图服务公司位智（Waze），数百万人构成了Waze社区，在社区其他司机的帮助下，实时获得最佳路线。通过社区可以了解其他司机如何减少交通堵塞，并使道路更好地融合在一起。

在国内，清华大学、北京邮电大学、西安交通大学、南京邮电大学、南京工业大学、西北工业大学和国防科技大学等著名科研机构在群智感知研究方面也取得了一系列研究成果。南京邮电大学的黄涵霞，丁强等人提出了移动终端群智感知模型，竞争和协作相辅相成的激励模式。 南京工业大学的胡煜家提出了一种基于深度强化学习的隐私保护策略，该策略以较低的抑制率保护了用户的位置隐私信息的泄露。西安交通大学的梁艳提出一种支持隐私保护的动态激励机制。通过定义区域热度、时间热度等多维参数，完成对感知任务参与节点的激励。在群智感知系统模拟平台上的仿真实验结果表明，该动态激励机制不仅增强了隐私保护度和数据精确度，同时提升了时间效率和激励效果。武汉大学的刘倩为群智感知网中的查询设计了一种隐私保护算法，有效缓解人们对群智感知网络中隐私泄露风险的担忧。

3. 群智感知网络发展面临的挑战

移动群智感知网络提供了一种低成本的物联网感知模式，在各个研究领域有所探索，成为当前的研究热点，同时也为研究者带来了极大的挑战。该领域已有技术研究大致可分为：数据处理技术、激励机制、群智感知平台等。但是，群智感知网络的发展才干刚刚起步，所以出现了以下三大关键问题需要解决：由于群智感知网络可能会搜集诸如用户上班和回家的日常行走路线等敏感数据，那么这些用户隐私数据的安全性如何保障？这些感知数据一旦泄露将严重威胁用户隐私安全;平台如何获取高质量的数据？ 即排除一些不可靠和不准确的感知数据，保证数据的真实性和完整性;由于涉及参与者的隐私信息，参与者积极性不高，那么用户不愿意将个人隐私数据在群智感知平台进行共享，这样平台就不能招募到足够多的参与者来获得高质可靠的感知数据。所以未来的研究中，可以致力于探索群智感知平台上用户隐私数据共享意愿的研究。

4. 用户隐私數据共享意愿研究模型

本文主要讨论收益和成本对群智感知平台上用户隐私数据共享意愿的影响。将物质激励、互惠、助人乐趣、自我效能感、感知费用、隐私风险、安全风险作为自变量，用户隐私数据共享意愿作为因变量，构建用户隐私数据共享意愿研究的概念模型。通过参考已有文献，提出用户隐私数据共享意愿的假设，提出假设H1与假设H2.

假设H1： 收益对用户隐私数据共享意愿有正向的影响

假设H2： 成本对用户隐私数据共享意愿有负向的影响

文本通过设计用户隐私数据共享意愿的测量量表，选取高效大学生群体进行问卷分析，回收136份问卷，其中无效问卷4份，问卷有效率为97.06%。在对数据进行调研的基础之上，采用SPSS20.0对其进行回归分析，模型1以人口统计方面的控制变量为自变量，共享意愿为因变量，模型2是在模型1的基础之上加入物质激励、互惠、助人乐趣、自我效能感进行回归分析，具体的数据分析结果如表1所示：

从表1的结果可以看出，收益和用户隐私数据共享意愿回归模型可以解释因变量变异的37.3%，且F值为7.759，达到显著性水平收益四个维度回归系数分别为0.120、0.133、0.440、0.142，表明物质激励、互惠、助人乐趣、自我效能感对用户隐私数据共享意愿有显著的正向影响，因此，假设H1成立。成本和用户隐私数据共享意愿回归模型可以解释因变量变异的37.3%，达到显著性水平。成本三个维度回归系数分别为-0.329、-0.393、-0.175，表明感知费用、隐私风险、安全风险三个维度都对用户隐私数据共享意愿有显著的负向影响，因此，假设H2成立。

5. 研究结论

从以上的实证研究可以得出，收益的四个维度会对用户隐私数据共享意愿起到显著地正向影响，成本的三个维度会对用户隐私数据共享意愿起到显著地负向影响，所以群智感知平台在未来的研究发展中可以加大对参与群体的激励力度，同时让参与群智感知任务的群体感受到更少的成本付出，这样才能有效提高群智感知平台上用户的参与意愿，为平台获取海量数据提供一定的参考。

参考文献：

[1]何宏，向朝参，肖书成.群智感知网络研究现状与发展[J].吉林大学学报（信息科学版）， 2016， 34（3）.

[2]胡煜家，白光伟，沈航.移动群智感知中基于深度强化学习的位置隐私保护策略[J].小型微型计算机系统， 2019， 40（02）：49-55.

[3]吴垚，曾菊儒，彭辉，陈红，李翠平.群智感知激励机制研究综述[J].软件学报（8期）：2025-2047.

作者简介：郑晓茹（1996-），女，汉族，山西运城人，硕士研究生，研究方向：决策支持与决策行为。