由我院倪天娇博士、研究生黄郁涛等人完成的一篇关于群智感知位置隐私领域的研究成果：“Location Privacy Protection Method Based on Local Differential Privacy in Crowdsensing with Approximately Accurate Task Allocation”被IEEE服务计算领域顶级国际期刊IEEE Transactions on Services Computing录用发表（https://ieeexplore.ieee.org/document/11264366）。

随着智能手机及其他移动智能设备的广泛普及，移动群智感知得到了广泛应用。工人和任务的真实位置必须提交至服务平台以完成任务分配，因此位置信息的保护已成为影响用户参与度的关键因素。针对位置信息传输导致泄露问题，本文提出一种基于本地差分隐私的位置信息保护方法，该方法能够在生成近似准确的任务分配结果的同时，保护工人和任务的位置隐私。首先，本文将区域进行网格划分，合并具有相似离散程度的网格以形成簇。然后，利用翻转Huber分布的累积分布函数的反向采样，为每个簇生成个性化的噪声位置集合。接着，采用指数机制为每位用户选择混淆位置。最后，平台基于扰动后的位置选择工人以完成任务分配。理论分析表明，所提机制满足差分隐私保护，并能实现近似准确的任务分配。实验结果表明，与现有方法相比，该方法在不同数据集上能有效平衡数据效用与位置隐私保护。所提框架工作流程如图1所示。

IEEE Transactions on Services Computing是IEEE服务计算领域顶级国际期刊和中国计算机学会(CCF)推荐的A类期刊，2026年最新影响因子为6.1。