金沙9001w以诚为本客户河南省智能网络理论与关键技术国际联合实验室面向物联网、人工智能、区块链和网络空间安全等战略新兴产业，聚焦智能感知网络研究领域研究。针对智能感知网络领域中联邦学习训练成本大、感知隐私信息泄露、感知节点合谋攻击与室内定位精确性不足等系列问题，通过设计基于契约理论的激励机制、基于区块链的隐私保护质量控制机制、基于设备漏洞感知的合谋攻击抵御机制与基于流形正则化的高精度室内定位方法等新型智能感知策略，实现了智能感知网络的低成本、隐私保护、安全防护以及高精度定位服务。

智能感知的联邦学习激励机制

联邦学习为隐私保护下的多方数据处理提供了一种有效的解决方案，成为健康感知中人群智能提取的良好选择。为了激励更多拥有大量高质量数据和计算能力的数据持有者参与联邦学习，从数据持有者效用最大化的角度，将数据持有者的激励问题转化为效用的优化问题，建立了基于契约理论的激励机制，证明了数据持有者的最优策略集达到纳什均衡。基于UCI和MNIST的公共数据集的大量实验验证了激励机制可以使基准算法更快地收敛，同时可以抵抗诸如自由攻击和共谋攻击等恶意行为。该成果已经被物联网领域顶级期刊 IEEE Internet of Things Journal 2022（IF=10.238，SCI一区期刊）录用并网络在线发表，金沙9001w以诚为本客户何欣教授为第一通讯作者，金沙9001w以诚为本客户为第一署名单位。

文章链接：https://ieeexplore.ieee.org/document/9932890

智能感知的隐私保护质量控制机制

针对数据采集模式--移动群智感知(MCS)执行过程中参与者信息和数据真值等隐私信息暴露问题，将区块链技术融入到MCS场景中，设计了一种基于区块链的隐私保护质量控制机制，提出了一个保护隐私的参与者选择方案，防止数据被篡改和拒绝，保证奖励的公平分配。针对真值发现过程中感知数据的隐私性和效率问题，提出了一种基于理性安全多方计算的迭代真实发现的隐私感知众感知设计方案。实验结果表明，提出的解决方案具有很强的实用性，并且在不侵犯参与者隐私的前提下便于质量控制。该成果发表在计算机网络领域顶级期刊IEEE/ACM Transactions on Networking, Vol. 30, No. 3, 2022, 1352-1367（IF=3.796，CCF A类期刊），西安交通大学安健博士为第一作者，金沙9001w以诚为本客户何欣教授为第一通讯作者。

文章链接：https://doi.org/10.1109/TNET.2022.3141582

智能感知的合谋攻击抵御机制

针对群智感知中考虑共谋攻击的参与者选择问题，提出了一种实用的抵御合谋攻击的方法，考虑具有不同漏洞级别的恶意参与者相互串通进行攻击，使得参与者选择问题更具挑战性。根据共谋攻击模型的结构特点，推导了实现所选参与者共谋可能性最小化的必要条件和充分条件，提出了一种弹性参与者选择算法。理论分析了该算法实现了共谋可能性的最小化，从而克服了由漏洞引起的共谋攻击。通过基于真实轨迹数据的仿真实验，验证了提出算法的有效性和理论结果的正确性。该成果发表在国际期刊IEEE Transactions on Vehicular Technology, Vol. 71, No. 7, 2022, 7904-7918 (IF: 6.239，SCI二区期刊)，金沙9001w以诚为本客户青年教师王光辉博士为该论文的第一作者，何欣教授为通讯作者，金沙9001w以诚为本客户为第一署名单位。

文章链接：https://doi.org/10.1109/TVT.2022.3171396

智能感知的隐私保护室内定位服务

为了解决群智感知服务中构建大型室内定位系统中遇到的用户隐私泄露与定位精确性问题，提出了一种可以提高存储、计算能力和响应速度的边缘众包室内本地化架构模型。基于流形正则化，在相似性和流形结构两方面采用自适应方式确定了半监督室内定位模型，减少了定位模型的工作量，提高了定位精度。同时，基于安全多方计算实现了隐私感知室内定位算法，保护了位置隐私。实验结果表明，该方案极大地提升了定位准确性，减少了隐私保护的时间开销。该成果发表在国际期刊IEEE Transactions on Network and Service Management, Vol. 18, No. 4, 2021, 4875-4887 (IF=4.758，SCI二区期刊)，西安交通大学安健博士为第一作者，金沙9001w以诚为本客户何欣教授为第一通讯作者。

文章链接：https://doi.org/10.1109/TNSM.2021.3107718