众包指利用群体智能来收集、处理、推断和确定大量有用信息，在服务评分、调查问卷、投票以及工业物联网领域都具有巨大的潜力。众包系统涉及3个利益相关者：平台、工人和任务发布者。传统的众包系统是激励不相容的，同时由于缺乏信任，任务发布者和工人之间传输的所有数据都需要远程中心化平台充当信用中介，这意味着会造成网络拥塞、隐私泄露等问题。针对以上问题，提出了一种基于信任值的众包激励机制，包括了一种众包工人的“奖励-惩罚”模型、任务发布者与主节点间的佣金机制以及主节点间资源置换囚徒困境的智能合约方案。通过在边缘环境的主节点上构建智能合约，实现上述多方激励机制。通过闪电网络的链下交易实施办法构建低成本的实时海量交易通道，解决了主节点与工人间的信任问题和交易效率问题。最后，通过多维度对比仿真实验，验证了提出的众包激励机制及其实施办法的有效性。

Crowdsourcing refers to the utilization of collective intelligence to collect, process, infer, and determine a vast amount of useful information, holding significant potential in areas such as service ratings, surveys, voting, and the industrial Internet of Things. A crowdsourcing system involves three stakeholders: the platform, workers, and task requesters. Traditional crowdsourcing systems are incentive- incompatible, and due to a lack of trust, all data transmitted between requesters and workers requires a remote centralized platform to act as a credit intermediary, which implies issues such as network congestion and privacy breaches. To address these issues, this paper proposes a trust-based crowdsourcing incentive mechanism, encompassing a “reward-penalty” model for crowdsourcing workers, a commission mechanism between requesters and master nodes, and a smart contract solution for the prisoners dilemma of resource exchange among master nodes. This multi-party incentive mechanism is realized by constructing smart contracts on master nodes in an edge environment. A low-cost, real-time, and high-volume transaction channel is established through the off-chain transaction implementation of the lightning network, solving the trust issues and transaction efficiency problems between master nodes and workers. Finally, the effectiveness of the proposed crowdsourcing incentive mechanism and its implementation approach is verified through multi-dimensional comparative simulation experiments.


相关文章

[1]	徐超, 阮荣耀, 陈勇, . 一种基于区块链的医疗数据审计方法[J]. 计算机工程与科学, 2025, 47(01): 95-106.
[2]	杨旭东, 李秋燕, 高岭, 刘鑫, 邓雅妮. 一种基于多区块链协作的分布式位置匿名方法[J]. 计算机工程与科学, 2024, 46(12): 2171-2185.
[3]	赵文韬, 官礼和, 何建国, 唐昊. 区块链环境中的隐私保护推荐算法研究[J]. 计算机工程与科学, 2024, 46(06): 1032-1040.
[4]	沈传年. 区块链安全问题研究综述[J]. 计算机工程与科学, 2024, 46(01): 46-62.
[5]	侯占伟, 李鑫, 王辉, 申自浩, 刘琨, 刘沛骞. 面向路网的空间众包隐私保护任务分配算法[J]. 计算机工程与科学, 2023, 45(08): 1424-1432.
[6]	丁滟, 王闯, 冯了了, 王锋, 常俊胜. 基于区块链监管的联盟数据可信流通[J]. 计算机工程与科学, 2022, 44(10): 1771-1780.
[7]	林洁和, 张绍华, 李超, 戴炳荣. 基于ECC的区块链数据共享系统设计[J]. 计算机工程与科学, 2022, 44(05): 810-818.
[8]	郭嘉宇, 付晓东, 岳昆, 刘骊, 冯勇, 刘利军. 偏好匹配满意度最大化的众包任务分配[J]. 计算机工程与科学, 2022, 44(01): 16-26.
[9]	裴凇莹, 陈振国. 基于文献计量的国内区块链技术研究及应用态势分析[J]. 计算机工程与科学, 2021, 43(11): 1966-1978.
[10]	宋洁琼,赵明. 一种基于元数据的众包图片效用最优选择算法[J]. 计算机工程与科学, 2018, 40(11): 2023-2032.
[11]	马满福1,2，何春玲1,2. 面向选择推荐节点的P2P网络信任模型[J]. 计算机工程与科学, 2018, 40(06): 977-983.
[12]	高志强，崔翛龙，周沙，袁琛. 本地差分隐私保护及其应用[J]. 计算机工程与科学, 2018, 40(06): 1029-1036.
[13]	郭伟，邱丹逸. 基于多Agent的众包任务推荐系统建模与仿真[J]. 计算机工程与科学, 2017, 39(05): 958-963.
[14]	牛彦杰，李煜，张婷婷，于爱荣. 考试考核标准中的激励机制分[J]. J4, 2014, 36(A2): 97-100.
[15]	谭玉波[1,2] 陈福接[1]. 基于P2P的可靠直播视频服务模型的建立和分析[J]. J4, 2006, 28(1): 54-56.