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 3 区块链融合的激励机制方法

Tab.3 Incentive mechanism methods based on blockchain

分类 文献 方法 优点 缺点 用户为中心 [30] BCFR 激励高声誉无人机执行任务并防止数据共享免受内部攻击 缺乏考虑个体理性 [51] 区块链+Beta信誉模型 确保数据安全性并鼓励高信誉用户参与 应用场景具有局限性 [52] BC-MCSDT 基于用户声誉的Stackelberg博弈，保障用户动态策略调整 声誉频繁更新导致区块链存储困难 [53] PODV 鼓励用户提供高质量数据并具有高吞吐量 可扩展性低，数据分析困难 [54] RADT 利用贪婪策略来确定赢家，智能合约确保交易可追溯 缺失智能合约的计算性能分析 [55] PFPI 竞价加密状态下实现用户激励 计算复杂度高 [56] 三阶段Stackelberg博弈 对参与者分类实现差异化激励 无法有效支持大规模应用 [57] GAIMMO 鼓励矿工合作，保障用户收益 需要大规模矿工参与 [58] 混合激励模型 鼓励用户提供高质量数据，防止搭便车 评估属性固定，难以扩展 [59] 分布式拍卖 在保障安全情况下满足社会效益和个体理性 不同智能合约部署存在延迟 发布方为中心 [60] 时间约束激励模型 对任务分类并分别给出激励策略 场景受限于两车协同 [61] RbatAlloc 识别异常平台，确保机制透明 缺乏考虑个体理性 [62] 数字水印 防止矿工冒名领取奖励 引入的矿工收益并未进行考虑 [63] TensorBC 考虑冗余赢家与参与者多属性 矿工收益并未考虑 [64] DRR 确保数据收集平衡性 缺乏考虑用户学习能力 [65] BCDT 防止参与用户操纵拍卖价格 缺乏对发布方共谋的预防 [66] BCC 利用可转移奖励的联盟博弈方法激励用户合作 未将车辆进行分类