基于区块链的移动群智感知数据处理研究综述

邵子豪,霍如,王志浩,倪东,谢人超

Survey of mobile crowdsensing data processing based on blockchain

Zihao SHAO,Ru HUO,Zhihao WANG,Dong NI,Renchao XIE

表 2 区块链融合的数据质量评估方法

Tab.2 Data quality evaluation methods based on blockchain

分类 文献 方法 优势 不足 相似性匹配 [35] MNM+QGE 利用匹配度与聚类保障数据质量并获得合理报酬 粗粒度评估指标分级存在误差 [36] Crowdauditing 智能合约审计数据完整性并评估质量 需要大量可审计人员计算资源消耗大 [37] GTD 结合真值发现技术提升数据质量评估准确性与效率 只能实现数值型数据评估 [38] CPchain 语义相似度衡量需求匹配保证准确性 存在恶意竞争用户的可能 [39] GSM+SenseChain+ 利用QoT和QoI衡量工人和任务偏好 准确性依赖用户自身定义的偏好 [40] 熵值+GRA-TOPSIS 多维度制定评价指标体系并评估 属性指标涵盖面较少 声誉 评估 [41] BC-CQAM 利用可信机制评估结果可信性 计算资源消耗大 [42] 信誉链+感知链 将数据与信誉评分分离，防止泄漏 信誉准确性依赖确定型任务规模 [43] ML+QoI 预测用户行为，提升数据质量 增加了服务成本 [44] B-CSTM 设计EPU计算个人数据质量 信息可靠性不应局限于距离 [45] ValidatorRep 构建细粒度信任验证评估方法优化问责机制 用户初始化声誉并未讨论 [46] TEM 量化车辆节点信任度，实现无偏见评估 依赖评分者的专业性 异常 识别 [47] TWNS 在异常数据中低成本选择可信节点 信任值准确性依赖大规模数据 [48] Iroha许可区块链 恶意节点识别，阻止虚假数据提供 依赖可信验证节点 [49] 共识算法+智能合约 解决支付不公平、识别消极参与者、防止合作作弊 依赖大规模验证者 [50] RC-chain 实现数据交易与用户声誉评估 应用拓展性有待提升