杭州电子科技大学夏莹杰教授团队在车联网隐私保护领域取得重大突破！该团队与杭州师范大学、暨南大学等科研机构合作，在物联网顶级期刊《ieee internet of things journal》发表论文，提出一种基于强化学习的个性化隐私保护方案，为车联网空间众包应用提供有力技术支撑。这项研究得到了国家自然科学基金和浙江省自然科学基金的资助。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
空间众包技术是车联网导航、交通管控等应用的基石。然而，位置服务带来的便利也伴随着严重的隐私风险。近年来，多起因位置信息泄露导致的重大安全事件警示我们，亟需研发兼顾隐私保护和数据效用的技术。
图1：基于强化学习的个性化隐私保护模型
例如，2022年“滴滴”事件暴露了海量用户位置信息被过度收集，2024年广州网约车司机信息更是被公开售卖，这些事件凸显了位置隐私保护的紧迫性。
图2：滴滴出行用户隐私泄露事件（图源网络）
针对这一挑战，研究团队创新性地提出了一种基于强化学习的个性化隐私保护方案。该方案针对车联网动态变化的网络环境和复杂道路场景，巧妙地平衡了车辆隐私保护强度和位置数据效用。 方案的核心在于一个多因素隐私保护模型，该模型综合考虑车辆轨迹时空特征和众包任务完成率，并采用Q学习算法实现隐私保护等级的自适应调整。 此外，研究团队还设计了一种基于本地化差分隐私和最优拉普拉斯机制的任务分配方法，在不泄露真实位置信息的前提下，实现精准的任务分配。 实验结果表明，该方案在有效保护数据隐私的同时，数据效用性平均提升了78.5%。
