Resumen

Con el rápido desarrollo de la multitud de vehículos en la detección de datos, se vuelve más fácil y eficiente para los dispositivos móviles detectar, calcular y medir varios datos. Sin embargo, cómo abordar la evaluación justa de calidad entre la plataforma y los participantes mientras se preserva la privacidad de las soluciones sigue siendo un desafío. En el trabajo, presentamos un esquema consciente de la equidad y preservación de la privacidad para la evaluación de calidad del trabajador mediante el aprovechamiento de la cadena de bloques, el entorno de ejecución confiable (TEE) y las tecnologías de aprendizaje automático. Específicamente, construimos nuestro marco sobre la cadena de bloques descentralizada que puede resistir un solo punto de falla/compromiso. El paradigma de contratos inteligentes en la cadena de bloques garantiza la ejecución correcta y automática del programa para el procesamiento de tareas. Además, se utilizan el aprendizaje automático y TEE para evaluar la calidad de los datos recopilados por los sensores de una manera que pres

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Desarrollo; Crowdsensing; Privacidad; Blockchain; Aprendizaje automático; Equidad
• Keywords:Development; Crowdsensing; Privacy; Blockchain; Machine learning; Fairness