Truthful Mobile Crowdsensing for Strategic Users With Private Data Quality

Source

  • Evernote/Inbox/Truthful Mobile Crowdsensing for Strategic Users With Private Data Quality.md

Summary

본 논문은 모바일 크라우드센싱에서 전략적 사용자가 사적인 데이터 품질과 노력 수준을 조작할 수 있는 문제를 해결하기 위해 ‘품질 및 노력 유도(QEE)’ 메커니즘을 제안한다. QEE는 사용자로 하여금 실제 데이터 품질과 노력을 정직하게 공개하도록 인센티브를 제공한다. 연구 결과, 요청자의 최적 노력 할당(RO)은 ‘가상 가치(virtual valuation)‘가 가장 낮은 최상의 사용자에게만 노력을 할당하는 것으로 나타났다. 또한 사용자 수가 증가함에 따라 RO 할당과 사회적으로 최적의 할당 간 성능 격차는 점근적으로 0에 수렴한다. 시뮬레이션은 QEE 메커니즘의 진실성과 시스템 효율성을 입증한다.

Key Points

  • 모바일 크라우드센싱에서 데이터 정확도는 사용자의 사적 정보인 데이터 품질과 숨겨진 노력에 의존함
  • 전략적 사용자가 품질과 노력을 조작하여 요청자를 오도할 수 있는 문제 제기
  • 사용자가 사적 품질과 노력을 정직하게 공개하도록 유도하는 QEE(Quality and Effort Elicitation) 메커니즘 제안
  • 요청자의 최적 노력 할당(RO)은 가상 가치(virtual valuation)가 최소인 단일 최상 사용자에게만 노력을 할당
  • 사용자 수가 증가할수록 RO 할당과 사회 최적 할당 간 성능 격차는 점근적으로 0에 수렴
  • 시뮬레이션을 통해 QEE의 진실성(truthfulness)과 RO 할당의 시스템 효율성 검증