區(qū)塊鏈環(huán)境下基于細粒度授權(quán)隱私保護的空間眾包任務(wù)分配模型

高麗萍，程 添，高 麗

1(上海理工大學(xué) 光電信息與計算機工程學(xué)院，上海 200093)

2(復(fù)旦大學(xué) 上海數(shù)據(jù)科學(xué)重點實驗室，上海 200093)

3(上海理工大學(xué) 圖書館，上海 200093)

1 引 言

空間眾包[1]作為是一種新的眾包模式，它的興起帶動了Uber、滴滴等主流平臺的發(fā)展.空間眾包基本模型如圖1所示：首先，請求者在平臺上發(fā)布地理位置相關(guān)的任務(wù)，然后，對該任務(wù)感興趣的工人申請執(zhí)行任務(wù)并向平臺提交任務(wù)答案.最后，請求者選擇滿意的任務(wù)答案并支付給相應(yīng)工人任務(wù)報酬.

圖1 傳統(tǒng)眾包模型示意圖Fig.1 System model of traditional crowdsourcing

然而，這種傳統(tǒng)的模型雖然能解決復(fù)雜的計算問題，但1)中心化的服務(wù)器易收到分布式拒絕服務(wù)攻擊DDoS[2]或服務(wù)器單點故障無法正常運作；2)平臺交易不透明導(dǎo)致公平性無法保證進而無法確定任務(wù)分配合理性；3)集中式數(shù)據(jù)存儲也存在隱私泄露的風(fēng)險(1)http：//www.smh.com.au/business/freelancer-contests-20000-privacy-breach-fine-from-oaic20160112-gm4aw2；4)系統(tǒng)無資金鎖定機制，若出現(xiàn)大量惡意工人將導(dǎo)致任務(wù)無法完整執(zhí)行.

考慮到區(qū)塊鏈去中心化、以太坊平臺智能合約自動執(zhí)行的特性，基于區(qū)塊鏈環(huán)境的眾包模型應(yīng)運而生.大多數(shù)區(qū)塊鏈環(huán)境下的移動眾包模型的隱私保護方案[3，4]旨在保護用戶的身份信息隱私，然而眾包平臺可以通過結(jié)合用戶的查詢動作和任務(wù)的內(nèi)容，來推斷出用戶的興趣集.為了保護隱私，有些學(xué)者[5]利用可搜索加密進行眾包平臺的任務(wù)匹配，但當系統(tǒng)中存在大量任務(wù)時，用戶并不能對任務(wù)進行數(shù)據(jù)級控制.由于區(qū)塊鏈的計算規(guī)模限制，大量計算過程仍然在鏈下執(zhí)行.而文獻[6]提出了一個完全分布式的眾包框架，在區(qū)塊鏈上執(zhí)行拍賣，利用區(qū)塊鏈以太坊的智能合約代替中心化的拍賣平臺.但該模型只考慮到投標價格和工人與任務(wù)距離，忽略了工人聲譽、完成時間等重要因素.同時若系統(tǒng)中大量工人申請執(zhí)行任務(wù)但沒有提交，會造成任務(wù)分配后無法及時完成.

本文提出了一個區(qū)塊鏈環(huán)境下的去中心化的眾包模型，采用基于密文策略的屬性加密實現(xiàn)細粒度授權(quán)從而加強隱私保護，在任務(wù)分配過程中設(shè)計投標分數(shù)閾值動態(tài)變化的拍賣機制，綜合考慮工人的距離、賠償、報價和聲譽來進行選擇，保證任務(wù)分配的合理性.另外，首次提出資金鎖定機制在賬戶中鎖定工人的賠償資金，有效預(yù)防大量惡意工人涌入系統(tǒng)破壞交易.

本文的主要貢獻有如下幾點：

1)提出了一種于區(qū)塊鏈環(huán)境下實現(xiàn)細粒度授權(quán)的空間眾包模型：BFP-Crowd.請求者利用基于密文策略的屬性加密，生成基于任務(wù)屬性的秘鑰，加密任務(wù)內(nèi)容，可以加強保護任務(wù)隱私.

2)提出了BFP-Crowd模型具體的解決方案，設(shè)計智能合約執(zhí)行我們提出的投標分數(shù)閾值動態(tài)變化的拍賣機制，根據(jù)工人的聲譽、賠付金額、距離、報價綜合選擇工人，比其他的基于區(qū)塊鏈的眾包任務(wù)分配機制更具有合理性.

3)通過真實數(shù)據(jù)集，在本地的以太坊私有鏈上驗證提出的方案的可行性和擴展性.實驗結(jié)果表明，我們提出的BFP-Crowd模型在相同任務(wù)集的情況下工人總行駛路徑更短，當系統(tǒng)中存在等比例的惡意工人時任務(wù)請求者的損失更小.

本文剩余部分結(jié)構(gòu)如下：第2部分介紹相關(guān)工作；第3部分將我們提出的模型和框架以及系統(tǒng)工作流程公式化，并提出我們設(shè)計的基于細粒度授權(quán)的隱私保護方案，同時給出相關(guān)的安全假設(shè)；第4部分設(shè)計本模型在區(qū)塊鏈下的智能合約以及拍賣模型的任務(wù)分配算法；第5部分進行試驗驗證模型的合理性、可用性以及創(chuàng)新性；第6部分總結(jié)和展望.

2 相關(guān)工作

本文相關(guān)工作的研究主要有區(qū)塊鏈、隱私保護和任務(wù)分配3個方向.

2.1 區(qū)塊鏈環(huán)境下的眾包模型

為了保證眾包系統(tǒng)的分布式存儲，滿足去中心化的性質(zhì)，文獻[7]提出眾包中基于區(qū)塊鏈環(huán)境下實現(xiàn)去中心化的概念，一些科研學(xué)者在區(qū)塊鏈的環(huán)境下進行眾包.文獻[8]提出信任服務(wù)機制，在區(qū)塊鏈內(nèi)轉(zhuǎn)移資產(chǎn)進行付款，證明沒有中央機構(gòu)的眾包系統(tǒng)服務(wù)機制更具有有效性和適用性.

但大多數(shù)基于區(qū)塊鏈系統(tǒng)會遭受分叉問題和集中化問題，文獻[9]提出了一種新穎的區(qū)塊共生機制，大幅度降低計算開銷實現(xiàn)完全分布式和分散式管理.

2.2 隱私保護

為了加強隱私保護，文獻[10]基于差分隱私和地理廣播機制，通過動態(tài)和靜態(tài)工人數(shù)據(jù)集提出一種保障隱私的有效眾包服務(wù)，并且不會產(chǎn)生明顯的性能開銷.文獻[11]提出一種差分k匿名位置隱私保護方法實現(xiàn)移動眾包中用戶的位置隱私保護.然而這兩種機制著重保護用戶隱私，而忽略了任務(wù)分配中工人選擇的過程.

在預(yù)算約束下，有學(xué)者研究多技能空間眾包，尋找最佳工作人員和最優(yōu)匹配策略并且收益最大化[12].文獻[13]解決了除特定空間約束外，每個任務(wù)操作復(fù)雜行、預(yù)算限制和所需工人數(shù)量等多約束條件下異構(gòu)空間任務(wù)分配任務(wù)問題.而考慮位置隱私保護問題，在維護空間眾包系統(tǒng)功能等同時保護工作人員和任務(wù)請求者隱私，有效實現(xiàn)加密數(shù)據(jù)任務(wù)分配所需的復(fù)雜操作[14].

區(qū)塊鏈環(huán)境下實現(xiàn)隱私保護的任務(wù)分配模型[5]，采用可搜索加密保護任務(wù)隱私，采取匿名方式保護用戶身份信息，并根據(jù)工人的興趣集進行任務(wù)分配，該模型在保護用戶和任務(wù)隱私的基礎(chǔ)上根據(jù)用戶興趣集的相關(guān)度實現(xiàn)了任務(wù)的可靠分配.然而可搜索加密有在多用戶環(huán)境下秘鑰管理難度大、難以實現(xiàn)細粒度授權(quán)等缺點.

文獻[15]使用區(qū)塊鏈環(huán)境保證眾包服務(wù)的完整性和參與者的身份隱私，在該模型中，利用區(qū)塊鏈的哈希算法驗證信息的可靠性，然而當系統(tǒng)超過51%的用戶被攻擊后，便無法保證信息的可靠性.

2.3 眾包的任務(wù)分配策略

目前基于區(qū)塊鏈的眾包模型在任務(wù)分配策略的選擇上大多數(shù)僅僅根據(jù)工人興趣集分配任務(wù)，在無法保證工人信息可靠性即系統(tǒng)中存在大量惡意工人的前提下，并不是一種可靠的任務(wù)分配方式.具有任務(wù)分配方案的模型[15]是根據(jù)工人請求的時間的先后順序進行任務(wù)分配，沒有保證工人的任務(wù)分配合理性的最大化.

一些區(qū)塊鏈環(huán)境下的眾包模型結(jié)合拍賣模式進行任務(wù)分配[6]，使用重復(fù)投標人競標機制，在區(qū)塊鏈環(huán)境下部署拍賣算法，優(yōu)化任務(wù)分配策略，但是沒有保護用戶隱私并且投標的選擇工人標準中僅僅考慮位置因素，而忽略了其他的重要屬性工人聲譽、賠償?shù)?

綜合分析，目前沒有任何一個框架能夠在區(qū)塊鏈的環(huán)境下實現(xiàn)隱私保護中任務(wù)控制的細粒度授權(quán)的同時，保證任務(wù)分配方案的合理性.我們從是否保證中心化、隱私性和優(yōu)化任務(wù)分配方案3個維度來將我們提出的BFP-Crowd與一些眾包模型進行對比，并把結(jié)果展示在表1中.

表1 眾包系統(tǒng)對比表Table 1 Comparison of crowdsourcing platforms

3 BFP-Crowd系統(tǒng)模型和框架

在本節(jié)中，我們提出了BFP-Crowd系統(tǒng)模型，并基于此模型構(gòu)建了BFP-Crowd框架.接下來詳細的介紹BFP-Crowd的執(zhí)行過程.最后提出系統(tǒng)安全威脅模型，并給出系統(tǒng)安全假設(shè).在模型中使用的符號列出如表2所示.

表2 變量名稱含義說明表Table 2 Description of Variable

3.1 BFP-Crowd系統(tǒng)模型

BFP-Crowd的系統(tǒng)模型如圖2所示，在這個系統(tǒng)中有4個主要實體：任務(wù)請求者，工人，BFP-Crowd客戶端，區(qū)塊鏈服務(wù)器和云存儲服務(wù)器.與傳統(tǒng)的眾包模型(圖1)相比，使用區(qū)塊鏈服務(wù)器替換傳統(tǒng)中心化平臺，并將任務(wù)密文上傳到可靠的第三方云存儲服務(wù)器.

圖2 BFP-Crowd系統(tǒng)模型Fig.2 BFP-Crowd system model

3.1.1 任務(wù)請求者

3.1.2 工人

3.1.3 BFP-Crowd客戶端

作為BFP-Crowd的中間媒介，客戶端是可視化操作軟件，由用戶(任務(wù)請求者和工人)在本地下載.任務(wù)請求者注冊成功后可以使用BFP-Crowd客戶端發(fā)布任務(wù)、工人使用BFP-Crowd客戶端選擇任務(wù)、投標、執(zhí)行任務(wù)、返回結(jié)果.

3.1.4 區(qū)塊鏈服務(wù)器

由于智能合約在以太坊上是自動執(zhí)行的，因此保證了眾包平臺的公平性.區(qū)塊鏈服務(wù)器是BFP-Crowd的主要服務(wù)提供商.BFP-Crowd系統(tǒng)中的智能合約依賴以太坊區(qū)塊鏈執(zhí)行.由于區(qū)塊鏈自身去中心化、記錄不可篡改的特點，BFP-Crowd系統(tǒng)中的交易記錄同樣不可篡改，有效的加強了系統(tǒng)的魯棒性.

3.1.5 云存儲服務(wù)器

云存儲服務(wù)器為請求者提供存儲服務(wù)，請求者上傳加密后的任務(wù)并記錄存儲地址當申請任務(wù)的工人屬性滿足任務(wù)的訪問策略時，工人根據(jù)地址下載任務(wù)密文并利用請求者提供的屬性密鑰解密獲得任務(wù)的描述.

3.2 BFP-Crowd的隱私保護機制

假設(shè)請求者在BFP-Crowd中的密鑰管理系統(tǒng)選定的安全參數(shù)是λ，，T是兩個素數(shù)p階乘法循環(huán)群，并且有映射關(guān)系：e：×→T，g∈，有兩個哈希函數(shù)：H：{0，1}*→，G：{0，1}*→{0，1}λ.

(1)

(2)

工人收到屬性秘鑰密文后，利用自己的私鑰解密屬性秘鑰密文獲得屬性私鑰.

(3)

(4)

根據(jù)對稱加密的對稱性，工人獲得的任務(wù)內(nèi)容與請求者發(fā)布的內(nèi)容一致，并且由于屬性秘鑰的生成是根據(jù)任務(wù)訪問策略并基于密文策略的屬性加密，因此在數(shù)據(jù)層級上實現(xiàn)了細粒度授權(quán)，從而加強了任務(wù)內(nèi)容的隱私保護.

3.3 BFP-Crowd的工作流程

在本節(jié)中，我們設(shè)計了一個區(qū)塊鏈環(huán)境下基于細粒度授權(quán)的眾包任務(wù)分配模型，具體流程如下：

步驟1.請求者和工人在使用BFP-Crowd系統(tǒng)前，首先需要進行身份注冊.用戶(請求者和工人)通過BFP-Crowd客戶端(如圖2所示)調(diào)用用戶注冊合約(URC)，第三方認證機構(gòu)驗證用戶的身份信息并將注冊結(jié)果記錄在區(qū)塊鏈中.

(5)

(6)

(7)

(8)

(9)

(10)

3.4 安全假設(shè)

在BFP-Crowd模型中，不同的區(qū)塊鏈特性會影響眾包交易中的交互，安全威脅的級別也不同.我們的模型主要包括3類實體：工人、任務(wù)請求者和眾包平臺.它們可能給系統(tǒng)帶來不同程度的風(fēng)險.因此我們假設(shè)以下幾個條件：

假設(shè)1.區(qū)塊鏈是完全分布式和不可篡改的，假設(shè)不存在51%攻擊.

假設(shè)2.在眾包過程中，系統(tǒng)中有足夠的工人供請求者選擇來執(zhí)行任務(wù).

假設(shè)3.任務(wù)請求者和工人有足夠安全的措施保存密碼和私鑰.

假設(shè)4.假設(shè)評估工人結(jié)果質(zhì)量的第三方平臺完全公平可信.

4 基于區(qū)塊鏈環(huán)境下的實現(xiàn)細粒度授權(quán)加強隱私保護的眾包平臺

4.1 BFP-Crowd概述

通過結(jié)合區(qū)塊鏈和基于密文策略的屬性加密，我們設(shè)計了一個去中心化的眾包框架實現(xiàn)細粒度授權(quán)的眾包平臺BFP-Crowd.在BFP-Crowd中，我們設(shè)計了4種智能合約：用戶注冊合約(URC)、交易合約(RWTC)、工人評估合約(WEC)、薪酬分配合約(PDC).

在智能合約中我們主要定義4種重要的算法：用戶注冊算法addUser(·)，任務(wù)發(fā)布算法publishTask(·)，工人評估算法evaluateWorker(·)，薪酬分配算法allocatePayment(·).

4.2 智能合約

4.2.1 用戶注冊合約(URC)

工人或請求者在平臺上提交注冊申請后，BFP-Crowd系統(tǒng)分配給用戶一對密鑰(公鑰和私鑰).注冊成功后，用戶的身份信息、屬性和密鑰對與用戶的唯一標識信息綁定.

4.2.2 交易合約(RWTC)

4.2.3 工人評估合約(WEC)

工人評估合約(WEC)包含算法evaluateWorker(.).系統(tǒng)通過工人的屬性集判斷是否滿足執(zhí)行任務(wù)條件然后根據(jù)工人的投標信息選擇執(zhí)行任務(wù)的工人集合.

4.2.4 薪酬分配合約(PDC)

4.3 具體BFP-Crowd方案

在本節(jié)中，我們描述了提出的方案具體執(zhí)行過程過程.在方案中涉及到的符合及含義的具體解釋見表3.符號含義說明.

表3 符號含義說明表Table 3 Description of symbol

4.3.1 用戶注冊

通過用戶注冊合約(URC)，請求者和工人可以在系統(tǒng)中進行注冊.工人和請求者注冊的過程相似，都是將用戶身份信息、屬性和密鑰對與用戶綁定.用戶注冊的具體的算法見算法1.

算法1.addUser(·)

輸入：用戶信息

輸出：bool，密鑰對(bool值為true的情況下)

ifmsg.senderis notcontractOwnerthen

throw；

endif

ifaWihas existthen

returnfalse；

else

userList[newUserAddress] =δi；

generate(pki，ski)

returnpki，ski；

returntrue；

4.3.2 加密任務(wù)

假設(shè)請求者在發(fā)布任務(wù)前，將任務(wù)內(nèi)容加密(具體加密過程見3.2)，并上傳密文至云存儲服務(wù)器，記錄存儲位置.

4.3.3 任務(wù)發(fā)布

請求者將任務(wù)描述密文上傳后，在系統(tǒng)中發(fā)布一條任務(wù)的工人招募信息.其中只有工人的屬性符合任務(wù)訪問策略時，才可以執(zhí)行任務(wù).算法2詳細描述了任務(wù)發(fā)布過程.

算法2.publishTask(·)

輸出：bool

ifmsg.senderis not registeredthen

returnfalse；

break；

endif

returnfalse；

break；

endif

settaskList；

taskList.requesterAddr=msg.sender；

returntrue

4.3.4 工人投標

4.3.5 工人評估

在任務(wù)的投標階段結(jié)束以后，系統(tǒng)將自動根據(jù)工人評估合約(WEC)中的工人評估算法篩選出最終執(zhí)行任務(wù)的工人集合.

工人投標以后，系統(tǒng)會根據(jù)工人的投標信息給他們的投標打分，具體的評分見公式(11).

(11)

(12)

有了工人的競標分數(shù)后，我們可以結(jié)合算法3將執(zhí)行任務(wù)的工人集合挑選出來.

算法3.evaluateWorker(·)

%工人初篩機制

fori=1，2，…，ndo

endif

endif

endfor

%任務(wù)分配機制

endfor

算法3保證了挑選出的眾包工人的屬性集符合任務(wù)的訪問策略并且是綜合評分最高的工人集合.

4.3.6 提交任務(wù)結(jié)果

系統(tǒng)確定執(zhí)行任務(wù)的工人集合后，系統(tǒng)根據(jù)工人的屬性，分配給工人基于屬性的密文CTdk，工人用自己的私鑰獲得屬性密鑰dk，詳見3.2.然后再利用屬性密鑰解密任務(wù)描述密文，獲得任務(wù)描述后開始執(zhí)行任務(wù).

4.3.7 薪酬分配

算法4.allocatePayment(·)

endif

endfor

endif

endfor

else

endif

endfor

release locked deposit

5 實驗分析

5.1 實驗設(shè)置

我們應(yīng)用了一個真實的數(shù)據(jù)集(2)https：//eprints.soton.ac.uk/354861/.任務(wù)集的相關(guān)參數(shù)如表4所示.我們將智能合約部署在本地的私有鏈上.利用solidity語言進行編程，使用truffle框架和ganache客戶端部署智能合約.

表4 實驗參數(shù)表Table 4 Experiment parameters

5.2 實驗結(jié)果及分析

5.2.1 任務(wù)完成率

在實際的眾包過程中，我們認為任務(wù)的招標工人數(shù)與任務(wù)的完成率相關(guān)，任務(wù)的招標工人數(shù)越多，證明完成任務(wù)的工人質(zhì)量越高，相反的，若沒有足夠的完去符合條件的工人，則任務(wù)的完成質(zhì)量將會大打折扣.隨機生成[1，10]的整數(shù)作為任務(wù)的需求工人數(shù)目.工人的位置在表4的范圍內(nèi)隨機產(chǎn)生.經(jīng)過多次實驗，我們得到結(jié)果如圖3所示.

圖3 任務(wù)完成率隨招標工人數(shù)變化曲線Fig.3 Curve of task completion rate with the number of bidding workers

根據(jù)實驗結(jié)果我們可以分析得出，任務(wù)完成情況與工人的招標數(shù)量成正比，隨著招標工人數(shù)量的增加，任務(wù)完成的質(zhì)量提高.原因是招標工人數(shù)量越多，選出來執(zhí)行任務(wù)的工人與任務(wù)需求的匹配度越高.

5.2.2 行駛路徑長度

工人的平均行駛路徑是工人的重要成本之一，在本節(jié)中將我們的模型BFP-Crowd與基于區(qū)塊鏈的任務(wù)分配機制BPTM和基于區(qū)塊鏈的空間眾包拍賣機制ABCrowd對比.分別在任務(wù)數(shù)量為100、500、1000、1500、2000時，不同招標工人數(shù)量的總行駛路徑.其中，工人的賠償金額為(0，2)之間隨機生成的浮點數(shù).當招標工人數(shù)量為需求工人數(shù)量2倍時，實驗結(jié)果如圖4(a)所示；當招標工人數(shù)量為需求工人數(shù)量3倍時，實驗結(jié)果如圖4(b)所示；

根據(jù)實驗結(jié)果圖4(a)，圖4(b)我們可以得出，工人的總行駛路徑隨著任務(wù)總數(shù)的增加而增加，在與ABCrowd和BPTM對比以后，我們設(shè)計的BFP-Crowd模型總行駛路徑更短.并且當任務(wù)總數(shù)增加時，BFP-Crowd模型節(jié)省的路徑長度增加.

圖4 不同機制下工人行駛總路徑對比Fig.4 Comparison of total distance

5.2.3 請求者成本損失

我們設(shè)計了工人鎖定賠償金的機制，若工人在任務(wù)時間截止前沒有完成，則會支付請求者賠償金作為補償.在這組實驗中，假定系統(tǒng)中每個任務(wù)的招標人數(shù)為需求工人數(shù)的2倍.

分別采用100個任務(wù)集，結(jié)果見圖5(a)；分別采用500個任務(wù)集，結(jié)果見圖5(b)；分別采用1000個任務(wù)集，結(jié)果見圖5(c).

圖5 請求者損失與惡意工人比例關(guān)系Fig.5 Relationship between loss and malicious workers

由實驗結(jié)果可知，請求者的成本損失與系統(tǒng)中惡意用戶的比例關(guān)系成正比(圖5).惡意用戶比例越高，請求者損失增加，而隨著任務(wù)數(shù)量的增多，請求者損失也相應(yīng)增加.當系統(tǒng)中存在大量惡意工人時，BPTM將浪費請求者極大的成本，因此BFP-Crowd可以有效的規(guī)避系統(tǒng)中存在大量的惡意工人帶來的風(fēng)險.

5.2.4 智能合約成本

我們通過在以太坊上部署B(yǎng)FP-Crowd智能合約來論證了可行性和成本的可接受性.本次投入100個任務(wù)，為每個任務(wù)隨機生成了3倍的需求工人數(shù)的投標工人，并根據(jù)拍賣算法選擇執(zhí)行任務(wù)的工人.操作的執(zhí)行成本由交易中的gas消耗計算，將1gas設(shè)定為5×10-9Ether，1Ether=$371.06(2020年10月21日)(3)https：//ethereumprice.org/.表5展示了實驗中的幾個關(guān)鍵函數(shù)在部署時的gas、Ether以及美元消耗.

表5 智能合約消耗表Table 5 Smart contracts consumption

與ABCrowd相比，BFP-Crowd的成本消耗稍微高，這主要由于以太幣的價格增長.其中部署合約時只需一次的操作，并不需要其他的花銷來維護.addUser(·)是用戶在在注冊的時候創(chuàng)建的智能合約，只需要支付一次.在系統(tǒng)中有100個任務(wù)時，發(fā)布、評估和分配薪酬總共消耗的金額是$4.8192，平均每個任務(wù)消耗$0.048192.與中心化平臺Mechanical Turk(MTurk)來管理任務(wù)時需要向平臺輸入至少20%的成本費相比，BFP-Crowd發(fā)布任務(wù)所需要花費的成本還是大大降低.

總而言之，將BFP-Crowd部署在智能合約上，所花費的部署和服務(wù)成本與傳統(tǒng)的中心化眾包平臺相比大幅度減小.

6 總結(jié)與展望

本文將眾包和區(qū)塊鏈相結(jié)合，并利用基于密文策略的屬性加密實現(xiàn)細粒度授權(quán)，提出了一個區(qū)塊鏈環(huán)境下的分布式空間眾包任務(wù)分配框架——BFP-Crowd.與傳統(tǒng)的中心化眾包平臺相比，BFP-Crowd主要解決了3個問題，對眾包任務(wù)的內(nèi)容加密實現(xiàn)隱私保護、優(yōu)化拍賣算法的工人選擇策略實現(xiàn)優(yōu)化任務(wù)分配方案和利用去區(qū)塊鏈實現(xiàn)去中心化.特別的，BFP-Crowd要求請求者和工人鎖定存款，保證提交答案的工人可以分配到以質(zhì)量為評估標準的酬勞，提高工人參與系統(tǒng)的積極性和公平性，若工人不能及時提交任務(wù)，則扣除工人鎖定的賠償金，以保證任務(wù)請求者的權(quán)益.與針對工人的報價選擇執(zhí)行工人集合的ABCrowd和著重關(guān)心隱私保護的BPTM相比，BFP-Crowd系統(tǒng)的工人總行駛路徑大大縮短，證明分配的方案更合理.同時與BPTM模式相比，在相同的惡意工人比例下，BFP-Crowd的請求者成本損失更低，證明BFP-Crowd在保證請求者的利益這一點上考慮更為周到.

在未來的優(yōu)化工作中，我們會將重點放在任務(wù)加密以及工人的可搜索加密部分.利用一個新的密鑰管理系統(tǒng)，將任務(wù)已加密的任務(wù)關(guān)鍵字和工人屬性集相匹配，這樣可搜索加密的處理能夠更進一步的保護工人的隱私，將眾包結(jié)合區(qū)塊鏈模式的實用性進一步提高.