文献

J-GLOBAL ID：202202275593576589   整理番号：22A1051000

IoTユーザプライバシー保護のためのQ学習戦略に基づくフロー補償インセンティブのアプローチ【JST・京大機械翻訳】

An approach of flow compensation incentive based on Q-Learning strategy for IoT user privacy protection

著者 (6件)： Chen Lu (Tianjin Key Lab of Intelligent Computing & Novel Software Technology, Tianjin University of Technology, Tianjin 300384, China) ,  Zhang De-gan (Tianjin Key Lab of Intelligent Computing & Novel Software Technology, Tianjin University of Technology, Tianjin 300384, China) ,  Zhang Jie (School of Electronic and Information Engineering, Beijing Jiaotong University, Beijing 100044, China) ,  Zhang Ting (School of Sports Economics and Management, Tianjin University of Sport, Tianjin 301617, China) ,  Du Jin-yu (Tianjin Key Lab of Intelligent Computing & Novel Software Technology, Tianjin University of Technology, Tianjin 300384, China) ,  Fan Hong-rui (Tianjin Key Lab of Intelligent Computing & Novel Software Technology, Tianjin University of Technology, Tianjin 300384, China)
資料名： AEUe  (AEUe)
巻： 148  ページ： Null  発行年： 2022年 
JST資料番号： A0447A  ISSN： 1434-8411  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： MCS(モバイルクラウドセンシング)では,ネットワークオーバヘッドの低減,IoTユーザプライバシーの保護,および知覚タスクの参加enthsiasmの増加が重要課題である。QLPPIA(知覚ユーザプライバシー保護のためのQ学習アルゴリズムに基づくフローオフセットのインセンティブアプローチ)を提案した。MCSをMEC(移動エッジコンピューティング)と組み合わせたシステムモデルを設計した。エッジ中心は,そのクラウドオーバヘッドを減退するMCSクラウドに知覚結果をアップロードした。Markov連鎖モンテカルロに基づく属性関連性のプライバシー保護構造を構築して,それはプライバシーデータを保護することができた。属性関連性のより高い精度による認識結果を生成した。Q学習日和見協調移動に基づくユーザプライバシー保護のためのフローオフセットのインセンティブパターンを設計して,MCSクラウドフローオフセットコストをカットして,ユーザenthusiasmを容易にした。高次元属性データ,日和見リレー知覚インセンティブ,および他の解決策の既存の個人保護と比較して,QLPPIA方式は,27.06%だけの知覚結果精度を改善し,MCSクラウドコストを88.80%増加させ,平均で19.03%の流量補償支出量を減少させた。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： モンテカルロ法 ,  アルゴリズム ,  ネットワーク ,  流量 ,  Markov連鎖 ,  システムモデル ,  プライバシー ,  *オフセット ,  高次元
準シソーラス用語： 継電器 ,  *Q学習 ,  アップロード ,  オーバヘッド ,  *プライバシー保護 ,  *モノのインターネット , 【Automatic Indexing@JST】

著者キーワード (5件)： MCS ,  MEC ,  プライバシー保護戦略 ,  誘因機構 ,  強化学習

分類 (2件)： 計算機網  (JC03000K) ,  移動通信  (ND08030H)

タイトルに関連する用語 (7件)： IoT ,  プライバシー ,  Q学習 ,  戦略 ,  フロー ,  補償 ,  インセンティブ