34、众包定位与对抗在线强化学习技术解析

众包定位与对抗在线强化学习技术解析

众包定位技术

众包用于定位，特别是对频谱违规者的定位，为实际应用开辟了新途径并提高了准确性。不过，在实际应用中存在一些关键问题需要解决。

位置隐私问题

参与者的位置隐私是一个严重问题。因为很多情况下可以根据用户位置推断其身份，将用户与其位置关联起来，一段时间内的多份此类信息可能被用于为用户建立档案，用于未经请求的定向广告或价格歧视，甚至能推断出用户的习惯、个人偏好、宗教信仰和政治倾向等。这会使原本愿意参与众包系统以获取社会效益或奖励的用户感到不适而选择不参与。

目前有两种保护位置隐私的方法：
- 传统方法 ：向位置添加噪声，期望测量数据仍然有用且不会严重降低定位精度。
- 调整测量方法 ：由Singh等人提出，生成伪位置，并报告伪位置以及通过适当传播模型调整后的测量值，就好像测量是在伪位置进行的。该方法在减少定位误差方面比仅添加噪声的传统方法效果更好。

未来发展挑战

尽管定位技术的快速发展为使用众包的定位系统的实际实施铺平了道路，但在部署此类系统之前，仍有一些关键发展领域需要关注。
- 对抗攻击与训练 ：虽然案例研究提供了关于攻击效果和限制其影响的有价值见解，但有必要在各种设置中探索对抗攻击，如更高的传感器移动性、更高的传感器密度、不同环境以及不同的众包模型和机制。同时，要继续探索可能暴露定位模型特定弱点的新型对抗攻击。
- 提高泛化能力 ：对抗训练虽能使定位模型更强大，但无法解决分布外数