A Study on Blockchain-based Mobile Crowdsensing and Incentive Mechanism

Abstract

기존 모바일 크라우드센싱 네트워크는 주로 중앙 집중식 플랫폼과 모바일사용자로 구성된어 있다. 그런데 중앙 집중식 플랫폼은 서비스 거부, 단일지점 장애 및 데이터 변조와 같은 악의적인 공격을 포함하여 다양한 보안위협에 취약하다. 또한 신뢰할 수 없는 모바일 사용자의 참여할 경우, 낮은데이터의 품질과 불공평한 보상 분배와 같은 문제들이 발생할 수 있다. 이는크라우드센싱 과정에서 모바일 사용자들의 적극적인 참여를 방해한다. 본문제들을 해결하기 위해서는 모바일 크라우드센싱 환경을 위한 블록체인기술 기반의 인센티브 메커니즘이 필요하다. 본 고에서는 참여자의 역할에따라 퍼블릭 블록체인과 컨소시엄 체인을 적용한 모바일 크라우드센싱을위한 시스템 모델을 제안한다. 고안된 시스템 모델은 분산형 모바일 크라우드센싱 플랫폼에서 발생하는 네트워크 보안 문제와 블록체인 적용에 따른성능 문제를 개선한다. 또한, 보안성, 데이터 품질 그리고 공정성을 제공하는 기법들을 적용한 품질 중심 인센티브 메커니즘을 제안하였다. 먼저시스템의 신뢰성을 향상시키기 위해 보다 효율적인 시빌 방지 계정 그룹화 (sybil-resistant account grouping) 알고리즘을 사용하였다. 높은 데이터품질을 보장하기 위해 참여자들은 개선된 그룹화된 진실 발견 알고리즘 (grouped truth discovery algorithm)을 통해 수집한 데이터 품질에 대한 평가를 수행된다. 또한 달성된 데이터 품질을 고려하여 데이터 수집자를위한 협동 게임 모델을 구성하였고 샤플리 값 기반의 보상 분배 메커니즘이제안하였다. 제안 모델의 시뮬레이션을 통해 제안한 품질 중심 인센티브메커니즘의 효율성과 공정성은 보였다. 제안한 블록체인 기반 품질 중심인센티브 모델은 기존 모바일 크라우드센싱 네트워크의 보안, 데이터 품질및 공정성을 개선하였으며 모바일 크라우드센싱 환경을 위한 신뢰할 수 있는분산 프레임워크를 제공한다.|The majority of existing mobile crowdsensing networks are predominantly comprised of centralized platforms and mobile users. However, these centralized platforms are susceptible to various security threats, including malicious attacks such as denial of service, singlepoint failures, and data tampering. Additionally, the involvement of untrustworthy mobile users introduces issues such as substandard data quality and inequitable reward distribution. Consequently, these challenges tend to foster a passive participation behavior among mobile users within the crowdsensing task. In order to address these aforementioned issues, the integration of blockchain technology and an incentive mechanism assumes a crucial role in the context of mobile crowdsensing. To this end, a system model for mobile crowdsensing is proposed by leveraging both the public blockchain and the consortium chain, while also ascribing specific responsibilities to all entities involved within the model. The devised system model effectively harmonizes concerns pertaining to network security and performance encountered in decentralized mobile crowdsensing platforms. Furthermore, the proposed approach introduces a quality-driven incentive mechanism that centers around three fundamental aspects: security, data quality, and fairness. To enhance the reliability of the system, a more efficient sybil-resistant account grouping algorithm is employed to consolidate accounts with similar task trajectories into cohesivegroups. Subsequently, the evaluation of data quality collected by users is accomplished through an enhanced grouped truth discovery algorithm. Moreover, a cooperative game model is constructed for data collectors, taking into account the achieved data quality. Within this model, an adjustable fair reward distribution mechanism grounded in the concept of Shapley value is proposed. The efficacy and impartiality of the quality-driven incentive mechanism are substantiated through empirical experimentation and subsequent analysis. Overall, the proposed system model and incentive mechanism serve to address the concerns related to security, data quality, and fairness in mobile crowdsensing networks. By harnessing the capabilities of blockchain technology and integrating a comprehensive incentive system, the proposed model establishes a decentralized and dependable framework for mobile crowdsensing applications.