CN113344404A - 基于区块链的信誉共享双阶段数据质量评估方法 - Google Patents

基于区块链的信誉共享双阶段数据质量评估方法 Download PDF

Info

Publication number
CN113344404A
CN113344404A CN202110677792.6A CN202110677792A CN113344404A CN 113344404 A CN113344404 A CN 113344404A CN 202110677792 A CN202110677792 A CN 202110677792A CN 113344404 A CN113344404 A CN 113344404A
Authority
CN
China
Prior art keywords
task
perception
data
block chain
participants
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110677792.6A
Other languages
English (en)
Other versions
CN113344404B (zh
Inventor
王利娥
马士乾
李先贤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangxi Normal University
Original Assignee
Guangxi Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangxi Normal University filed Critical Guangxi Normal University
Priority to CN202110677792.6A priority Critical patent/CN113344404B/zh
Publication of CN113344404A publication Critical patent/CN113344404A/zh
Application granted granted Critical
Publication of CN113344404B publication Critical patent/CN113344404B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Strategic Management (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Linguistics (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Medical Informatics (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于区块链的信誉共享双阶段数据质量评估方法，利用基于的区块链的信誉共享机制来存储任务参与者的历史数据，对于没有参与过任务的任务参与者还可以利用该任务参与者在其他领域的信誉值作为该任务参与者的可靠性的判断依据，这样不仅可以提高任务参与者的选择质量，也能够解决动态环境下的历史数据的存储和冷启动问题。针对真相发现算法中对于初始阶段的预估真相问题，提出了一个基于机器学习的真相发现算法，将从任务参与者收集到的数据首先通过机器学习模型进行初步的预判，得到一个相比随机确定的预真相更精确的一个预估值作为初始值，缩小与正确答案的偏差，能有效提升真相发现算法执行的效率以及感知结果的准确度。

Description

基于区块链的信誉共享双阶段数据质量评估方法
技术领域
本发明涉及群智感知技术领域，具体涉及一种基于区块链的信誉共享双阶段数据质量评估方法。
背景技术
随着嵌入式设备、无线传感网络、物联网智能移动终端等的快速发展，集成感知、计算和通信能力的普适智能***正在被广泛部署，并逐步融入人们的日常生活环境中。一种称为群智感知(CrowdSensing)的新型数据收集和处理模式近些年成为研究热点，并已在多个领域展开应用，例如环境监测、室内定位、公共安全、个性化推荐、交通规划等。
群智感知的基本思想是利用群体智慧解决较为复杂的各种问题，其***模型组成主要为：任务发布者，区块链上的感知任务平台和任务参与者。任务发布者通过区块链上的感知任务平台发布相应任务招募任务参与者为其服务，任务参与者收集数据后上传区块链上的感知任务平台或任务发布者，任务发布者收到数据后向任务参与者和区块链上的感知任务平台发放相应奖励。
然而，由于各类移动设备的差异性、不同人群对同一任务的认知不同以及固有的噪声等因素，任务参与者在执行任务后所得的感知数据质量参差不齐，对同一个任务，不同的任务参与者提供的结果也会呈现出差异化，而任务参与者提供的数据质量将直接影响着最终的感知结果。因此，如何有效的对任务参与者提供的感知数据进行管理和利用是一项难题。
发明内容
本发明所要解决的是目前群智感知中所存在的感知数据质量不高的问题，提供一种基于区块链的信誉共享双阶段数据质量评估方法。
为解决上述问题，本发明是通过以下技术方案实现的：
基于区块链的信誉共享双阶段数据质量评估方法，包括步骤如下：
步骤1、任务参与者向区块链上的感知任务平台申请注册，请求加入感知网络执行感知任务；在此过程中，任务参与者将自己的个人信息通过加密的方式发送到区块链上的感知任务平台，并授权区块链上的感知任务平台查询自己在各领域的信誉值；
步骤2、任务发布者向区块链上的感知任务平台发布任务要求；
步骤3、区块链上所有的区块链上的感知任务平台根据任务要求向任务参与者发布感知任务，若任务参与者同意加入此次任务，便会将自己的个人信息提交给区块链上的感知任务平台作为任务参与的证明；
步骤4、区块链上的感知任务平台将任务参与者的个人信息作为输入，查询该任务参与者与任务要求相关领域的信誉值，并计算这些领域的综合信誉值；根据任务要求中的人数选定综合信誉值较高的任务参与者作为正式任务参与者，并向正式任务参与者分发公钥和身份证明；
步骤5、正式任务参与者收到公钥和身份证明后，根据任务要求执行感知任务，进行感知数据的收集；
步骤6、正式任务参与者完成感知数据的收集后，利用区块链上的感知任务平台分发的公钥进行加密后得到加密感知数据，并将加密感知数据发往区块链上的感知任务平台，；
步骤7、区块链上的感知任务平台对正式任务参与者发送来的加密感知数据进行解密后得到感知数据，利用基于机器学习的真值发现算法对感知数据进行评估，得到评估后的感知数据集；
步骤8、区块链上的感知任务平台将评估后的感知数据集发送给任务发布者，任务发布者得到所需的数据，整个任务的执行过程结束。
步骤4中，综合信誉值C为：
Figure BDA0003121501800000021
式中，Ri为第i个领域的信誉值；Xi为第i个领域的权重，
Figure BDA0003121501800000022
n为选定的领域个数。
上述步骤7中，利用基于机器学习的真值发现算法对感知数据进行评估，得到评估后的感知数据的具体过程如下：
步骤7.1、利用给定的带有质量等级标记感知数据对决策树进行离线训练，得到训练好的对决策树模型；
步骤7.2、将所有正式任务参与者发送来的感知数据送入到训练好的对决策树模型中，得到每个感知数据的质量等级；
步骤7.3、基于给定的质量等级比重分别从不同质量等级的感知数据中选取感知数据来组成初筛感知数据集；
步骤7.4、将初筛感知数据集作为真值发现算法的初始真值进行迭代计算，得到评估后的感知数据集。
与现有技术相比，本发明具有如下特点：
1、利用基于的区块链的信誉共享机制来存储任务参与者的历史数据，对于没有参与过任务的任务参与者还可以利用该任务参与者在其他领域的信誉值作为该任务参与者的可靠性的判断依据(如支付宝中的芝麻信用，可用于免押金租车、免押金入住酒店，购物特权等等)，利用该相似原理进行任务参与者的选择，这样不仅可以提高任务参与者的选择质量，也能够解决动态环境下的历史数据的存储和冷启动问题。
2、针对真相发现算法中对于初始阶段的预估真相问题，提出了一个基于机器学习的真相发现算法(ML Truth Discovery)，将从任务参与者收集到的数据首先通过机器学习模型进行初步的预判，得到一个相比随机确定的预真相更精确的一个预估值作为初始值，缩小与正确答案的偏差，能有效提升真相发现算法执行的效率以及感知结果的准确度。
附图说明
图1为基于区块链的信誉共享双阶段数据质量评估方法的原理图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实例，对本发明进一步详细说明。
本发明的群智感知***由任务发布者、任务参与者、感知任务平台和区块链几个部分组成。
任务发布者：若需要使用某一领域的数据，则任务发布者便会向感知任务平台发送对某一特定数据的要求，由平台代替其进行人员的招募和数据的择优，任务发布者只需要支付相应的报酬给感知任务平台和任务参与者，使其继续为其工作提供数据即可。报酬通常存储在感知任务平台中，由平台根据最终数据的完成质量对任务参与者进行奖励。
任务参与者：任务参与者利用身边的各种终端设备(手机、手环等)对接收的任务进行数据的收集。所选择的任务参与者通常具有较高的信誉值，或在以往的任务中数据质量完成的较出色。对于初次参与群智感知***任务的任务参与者(无历史记录或数据质量证明)，可通过提出的信誉共享机制通过跨领域的信誉值来对其进行初步判断和审核，即通过对该任务参与者在其他领域的一些习惯性行为和数据进行评估，从而判断其是否能作为任务参与者加入到群智感知***中。
感知任务平台：作为感知任务的发放机构，感知任务平台通过任务发布者的指令来发布相应任务招募所需的任务参与者为其服务。任务完成后，任务参与者将感知的数据通过相应的加密机制上传到感知任务平台，由感知任务平台执行真值发现(TruthDiscovery)算法对数据质量和精确度进行筛选和评估，随后将得到的结果发送给区块链进行上链存储(此处存储在区块链的结果为参与者的完成质量，即对某一感知任务，参与者完成的质量如何，在最终结果中权重占比多少。如果参与者完成任务的数据质量在最终结果中没有比重，则不需要存储)，最终结果即优质数据交由任务发布者使用。
区块链：区块链的主要作用是分布式的存储所有数据交易的记录，通过执行相应的智能合约和共识算法达成一致性，实现存储记录的全区块覆盖。区块链类似于一个总枢纽，用以存储各种交易信息及部分必要数据，其中每个节点对应一个感知平台，为平台提供所需的交易数据。当需要查询某一笔记录是否存在或者合法性时，通过区块头中的相应结构(如默克尔树：Merkle Tree)即可完成。由区块链的特点可知，存入区块中的数据通常情况下不可篡改，并且实现了去中心化，防止单点故障，安全性也具有一定程度的保障，可满足感知***的要求。
本发明所提出的一种基于区块链的信誉共享双阶段数据质量评估方法，如图1所示，其具体包括步骤如下：
步骤1、初始化阶段，任务参与者向区块链上的感知任务平台申请注册，请求加入感知网络执行感知任务；在此过程中，任务参与者将自己的个人信息(如姓名、性别、身份证号等)通过加密的方式发送到区块链上的感知任务平台，并授权区块链上的感知任务平台查询自己在各领域的信誉值。
步骤2、任务发布者向区块链上的感知任务平台发布任务要求。
任务要求为对所请求数据的具体要求，比如：任务截止时间、数据量的大小限制、数据所需的精度或像素、任务总报酬、参与该任务的人数限制等。
步骤3、区块链上的感知任务平台根据任务要求向任务参与者发布感知任务招募任务参与者，若任务参与者同意加入此次任务的执行流程中，便会将自己的个人信息(如照片或身份信息)提交给区块链上的感知任务平台作为参与的证明。
区块链上的感知任务平台根据任务要求招募任务参与者，若任务参与者收到一个区块链上的感知任务平台的任务，便不会再接收到其他平台的相同任务信息。由于同一区域内可能存在不止一个区块链上的感知任务平台，因此对某一区域内的所有任务参与者，若接收到来自该区域内的不同平台发来的相同任务，则根据接受任务的先后顺序，执行第一个到达的任务，之后接收到的任务丢弃，无需向对应的平台反馈；若同时接收到多个感知平台发来的相同任务，则随机选取一个执行即可；任务参与者一次只能执行一个任务，且不可被打断，任务完成后可继续执行其他感知任务。
步骤4、区块链上的感知任务平台将任务参与者的个人信息作为输入，查询该任务参与者与任务要求相关领域的信誉值，并计算这些领域的综合信誉值；根据任务要求中的人数选定综合信誉值较高的任务参与者作为正式任务参与者，并向正式任务参与者分发公钥和身份证明。
接收到任务参与者的信息后，区块链上的感知任务平台会执行第一阶段的质量评估过程，即利用所提的信誉共享的评估机制，由任务参与者的个人信息(姓名、身份证号等)作为输入，查询该任务参与者在区块链上存储(如购物平台：淘宝、天猫、京东、评论区知乎、金融APP支付宝、京东金融等)的相关信誉值，综合分析后得到综合信誉值，并利用综合信誉值对该任务参与者做出评估，按综合信誉值降序排列取靠前的部分人数作为正式任务参与者，身份验证完成后正式任务参与者将收到区块链上的感知任务平台分发的公钥和身份证明，以便正式任务参与者对提交的数据进行加密。
综合信誉值C的具体公式定义如下：
Figure BDA0003121501800000041
式中，Xi为第i个领域的权重，
Figure BDA0003121501800000051
Ri为第i个领域的信誉值，n为选定的领域个数。
区块链中存储了交易信息和参与者的个人数据，即区块链作为一个由多个节点(感知任务平台)组成的总枢纽，来对感知平台进行协助，从链中调取数据进行必要的验证和审核，之后区块链内的各节点执行相应的智能合约和共识算法，将任务参与者信息存储在区块中，达成一致性，这样不仅能够有效避免某些节点过载问题，而且能够避免单点故障。
对于初次加入到群智感知***的任务参与者，已经存储有任务参与者的信誉值等相应信息，因此在之后的感知任务执行过程中，加入和退出均有历史数据可查询；另外，对于初次加入者的信誉值的计算，根据其在支付宝、京东金融、天猫等应用中的信誉值利用给定的计算公式得到结果作为在群智感知***中的首次信誉值，之后的信誉值更新根据完成任务质量的级别分别基于不同程度的信誉值加分。对再次加入群智感知***的任务参与者，如在退出后一个月内再次加入，可继承上次的信誉值；如退出超过一个月，按照每个月降低20积分的速率依次递减。
步骤5、正式任务参与者收到公钥和身份证明后，根据任务要求执行感知任务，进行数据的收集。
比如当进行城市交通的数据收集时，任务参与者需要分别收集以下方面的信息：城市中各交通要道在上下班高峰时信号灯显示情况，各路口在不同时间段的拥堵状况，干路支路附近的道路规划和建筑布局状况，针对不同时间段的车辆限号情况。
步骤6、正式任务参与者完成感知数据的收集后，利用区块链上的感知任务平台分发的公钥进行加密后得到加密感知数据，并将加密感知数据发往区块链上的感知任务平台。
步骤7、区块链上的感知任务平台收到正式任务参与者们对某一特定任务的感知数据后，执行基于机器学习的真值发现(ML Truth Discovery)算法对数据进行第二阶段的质量评估，具体操作为：
步骤7.1、利用给定的带有质量等级标记感知数据对决策树进行离线训练，得到训练好的对决策树模型。
对收集到的感知数据，首先通过训练得到的学习模型做一个初步的精确度判断，学习模型可以根据大量的交通数据离线训练得到，比如使用决策树。利用给定的带有质量等级标记感知数据(如大量交通感知数据)对决策树进行离线训练，得到决策树模型；考虑到通过训练集直接得到的决策树模型的泛化能力有限，故运用预剪枝和后剪枝两个阶段对得到的决策树模型进行修剪和优化，提高精确度和准确率，得到训练好的对决策树模型。
步骤7.2、将所有正式任务参与者发送来的感知数据送入到训练好的对决策树模型中，得到每个感知数据的质量等级。
步骤7.3、基于给定的质量等级比重分别从不同质量等级的感知数据中选取感知数据来组成初筛感知数据集。
在本发明中，质量等级越高，所分配的比重越大，该质量等级的感知数据在初筛感知数据集所占比重就越大；质量等级越低，所分配的比重越小，该质量等级的感知数据在初筛感知数据集所占比重就越小。
比如将感知数据的质量等级分为A、B、C三级，其中A级最高，所分配的比重为60％，B级中等，所分配的比重为40％，C级最低，所分配的比重为20％，这样在初筛感知数据集中，有60％的感知数据为质量等级为A级的感知数据，有40％的感知数据为质量等级为B级的感知数据，有20％的感知数据为质量等级为C级的感知数据。
步骤7.4、将初筛感知数据集作为真值发现算法的初始真值进行迭代计算，即迭代的进行权重和真值的估计，当迭代次数达到一定次数条件或者迭代计算后所得到的结果满足要求，得到评估后的感知数据。
在传统的真值发现算法中，其初始真值通常由任务平台根据任务需求给出一个预估结果，即预估值作为算法执行的开始；但是由于初始值通常较为粗略，仅与任务相关相近，而不是该任务所必须的答案，故此时的初始值参考价值不大，并且不利于后续算法执行的结果。本发明通过学习确定其质量等级，并基于质量等级从众多感知数据中选取不同质量等级的数据作为初始真值，这样根据该对应任务进行算法初始值的筛选，实现优中选优，有利于提高感知结果的精度。
步骤8、区块链上的感知任务平台将评估后的感知数据发送给任务发布者，任务发布者得到所需的数据，整个任务的执行过程结束。
需要说明的是，尽管以上本发明所述的实施例是说明性的，但这并非是对本发明的限制，因此本发明并不局限于上述具体实施方式中。在不脱离本发明原理的情况下，凡是本领域技术人员在本发明的启示下获得的其它实施方式，均视为在本发明的保护之内。

Claims (3)

1.基于区块链的信誉共享双阶段数据质量评估方法，其特征是，包括步骤如下：
步骤1、任务参与者向区块链上的感知任务平台申请注册，请求加入感知网络执行感知任务；在此过程中，任务参与者将自己的个人信息通过加密的方式发送到区块链上的感知任务平台，并授权区块链上的感知任务平台查询自己在各领域的信誉值；
步骤2、任务发布者向区块链上的感知任务平台发布任务要求；
步骤3、区块链上所有的区块链上的感知任务平台根据任务要求向任务参与者发布感知任务，若任务参与者同意加入此次任务，便会将自己的个人信息提交给区块链上的感知任务平台作为任务参与的证明；
步骤4、区块链上的感知任务平台将任务参与者的个人信息作为输入，查询该任务参与者与任务要求相关领域的信誉值，并计算这些领域的综合信誉值；根据任务要求中的人数选定综合信誉值较高的任务参与者作为正式任务参与者，并向正式任务参与者分发公钥和身份证明；
步骤5、正式任务参与者收到公钥和身份证明后，根据任务要求执行感知任务，进行感知数据的收集；
步骤6、正式任务参与者完成感知数据的收集后，利用区块链上的感知任务平台分发的公钥进行加密后得到加密感知数据，并将加密感知数据发往区块链上的感知任务平台，；
步骤7、区块链上的感知任务平台对正式任务参与者发送来的加密感知数据进行解密后得到感知数据，利用基于机器学习的真值发现算法对感知数据进行评估，得到评估后的感知数据集；
步骤8、区块链上的感知任务平台将评估后的感知数据集发送给任务发布者，任务发布者得到所需的数据，整个任务的执行过程结束。
2.根据权利要求1所述的基于区块链的信誉共享双阶段数据质量评估方法，其特征是，步骤4中，综合信誉值C为：
Figure FDA0003121501790000011
式中，Ri为第i个领域的信誉值；Xi为第i个领域的权重，
Figure FDA0003121501790000012
n为选定的领域个数。
3.根据权利要求1所述的基于区块链的信誉共享双阶段数据质量评估方法，其特征是，步骤7中，利用基于机器学习的真值发现算法对感知数据进行评估，得到评估后的感知数据的具体过程如下：
步骤7.1、利用给定的带有质量等级标记感知数据对决策树进行离线训练，得到训练好的对决策树模型；
步骤7.2、将所有正式任务参与者发送来的感知数据送入到训练好的对决策树模型中，得到每个感知数据的质量等级；
步骤7.3、基于给定的质量等级比重分别从不同质量等级的感知数据中选取感知数据来组成初筛感知数据集；
步骤7.4、将初筛感知数据集作为真值发现算法的初始真值进行迭代计算，得到评估后的感知数据集。
CN202110677792.6A 2021-06-18 2021-06-18 基于区块链的信誉共享双阶段数据质量评估方法 Active CN113344404B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110677792.6A CN113344404B (zh) 2021-06-18 2021-06-18 基于区块链的信誉共享双阶段数据质量评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110677792.6A CN113344404B (zh) 2021-06-18 2021-06-18 基于区块链的信誉共享双阶段数据质量评估方法

Publications (2)

Publication Number Publication Date
CN113344404A true CN113344404A (zh) 2021-09-03
CN113344404B CN113344404B (zh) 2023-08-08

Family

ID=77476306

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110677792.6A Active CN113344404B (zh) 2021-06-18 2021-06-18 基于区块链的信誉共享双阶段数据质量评估方法

Country Status (1)

Country Link
CN (1) CN113344404B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200019865A1 (en) * 2018-07-10 2020-01-16 City University Of Hong Kong System and method for processing data and managing information
CN112053043A (zh) * 2020-08-21 2020-12-08 北京邮电大学 一种基于区块链的群智感知方法及***
CN112104609A (zh) * 2020-08-20 2020-12-18 电子科技大学 在移动群智感知***中可验证的、具有隐私意识的真相发现的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200019865A1 (en) * 2018-07-10 2020-01-16 City University Of Hong Kong System and method for processing data and managing information
CN112104609A (zh) * 2020-08-20 2020-12-18 电子科技大学 在移动群智感知***中可验证的、具有隐私意识的真相发现的方法
CN112053043A (zh) * 2020-08-21 2020-12-08 北京邮电大学 一种基于区块链的群智感知方法及***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王超: "区块链特性的组织信息结构对员工任务绩效的影响研究 ————以工作敬业度和员工自适性作为中介变量", 西安电子科技大学, vol. 2021, no. 05 *

Also Published As

Publication number Publication date
CN113344404B (zh) 2023-08-08

Similar Documents

Publication Publication Date Title
US12026780B1 (en) Distributed ledger system for managing loss histories for properties
US11205172B2 (en) Factom protocol in blockchain environments
US10255602B2 (en) Location-based verification for predicting user trustworthiness
Zhang et al. Design of
Yang et al. On designing data quality-aware truth estimation and surplus sharing method for mobile crowdsensing
CN110490335A (zh) 一种计算参与者贡献率的方法及装置
US20090248587A1 (en) Selectively negotiated ridershare system comprising riders, drivers, and vehicles
US20180336267A1 (en) System and method for creating an opinion and behavioral data economy
CN110348670B (zh) 一种城市计算环境下的车辆计算资源分配方法
CN110473058A (zh) 一种基于区块链信誉值的共享平台交易方法
Alswailim et al. A reputation system to evaluate participants for participatory sensing
US20200234286A1 (en) Apparatus and method for enabling asset sharing
CN112765656A (zh) 基于区块链的电车共享充电可信***和方法
Vahdati et al. A self-organized framework for insurance based on internet of things and blockchain
US20240037670A1 (en) Blockchain-based systems and methods for self-managed peer group insurance
Nguyen et al. A marketplace for trading ai models based on blockchain and incentives for iot data
CN112862303A (zh) 一种基于区块链的众包质量评估的***及方法
Luo et al. Reshaping mobile crowd sensing using cross validation to improve data credibility
CN102594848B (zh) 一种对物联网应用进行开放式开发的方法及***
Cai et al. An incentive mechanism for vehicular crowdsensing with security protection and data quality assurance
US20220058651A1 (en) Authentication of financial transaction
CN113344404A (zh) 基于区块链的信誉共享双阶段数据质量评估方法
Xiao et al. Unknown worker recruitment in mobile crowdsensing using cmab and auction
Parlak et al. Tamper-proof evidence via blockchain for autonomous vehicle accident monitoring
US20230259757A1 (en) Tiered input structures for machine learning models

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant