B. Effective sensor search techniqu

B. Effective sensor search techniques
Performance of sensing service is directly related to the set
of sensing service providers. Moreover, the size of the sensing
service provider candidates introduces the scalability problem.
Reliability, sensing accuracy, residual battery, battery usage
efficiency, current and location are the selection criteria that
are used most often in selection of sensing service providers. In
[28], Context-Aware Sensor Search and Selection and Ranking
Model (CASSARAM) has been proposed. Fig. 3 illustrates
the following four steps of CASSARAM: 1) Selection of the
requirements: Number of sensing service providers requested
and the end user requirements are received as the input,
and a query based on the user requirements is formed; 2)
Searching eligible sensing service providers: The user query
runs on an ontology of sensor descriptions, and the output is
a list of eligible sensing service providers that can handle the
point-based (i.e., non-negotiable) requirements; 3) Indexing
the devices based on proximity-based (i.e., negotiable) user
requirements: User requests are prioritized, and 4) Ranking
the providers: Sensing service providers are sorted based on
the likelihood scores obtained through weighted user priorities
and proximity-based requirements.
C. Effective user incentives
Effective data collection via S2aaS also calls for effective
incentive mechanisms ensuring user privacy and trustworthiness of the crowdsensed data. In [29], the authors classify
the incentives as user-centric or platform-centric. User centric
incentives apply to the case where sensing service providers
make their own sensing plans and send their status to the cloud
platform in order to join participatory sensing. On the other
hand, platform-centric incentives apply to the case where the
cloud platform recruits the sensing service providers and make
sensing plans for them in a centralized manner. In any case,
incentivized users denote sensing service providers that need to
be compensated for providing their built-in sensing resources.
The authors in [29] have proposed a game theory-based
platform-centric incentive, and two user-centric incentives
based on local search-based auction. Auction-based usercentric incentives introduce the risk of untruthful bidding of
the users who aim at increasing their income by reporting their
sensing costs higher than actual. MSensing auction has been
proposed to overcome truthfulness problem and maximize
end user’s utility. MSensing consists of a two-step auction
procedure where in the first step, winners are selected based
on their marginal contribution to the total value of the sensing
tasks, and in the second step, sensing service providers are
compensated based on their sensing costs, as well as the value
of the tasks that are collaboratively sensed. Therefore, it can
be adopted by a cloud-centric IoT framework where S2aaS
forms the front-end.
Recruitment of sensing service providers by incentivizing
the mobile smart device users introduce trustworthiness problem. This problem has been studied in the context of user
reputation-awareness and accurate sensing [30], [31], and user
privacy and data integrity [32]

Kết quả (Việt) 1:

Kỹ thuật tìm kiếm cảm biến sinh hiệu quảHiệu suất của các cảm biến dịch vụ trực tiếp liên quan đến việc thiết lậpcảm biến cung cấp dịch vụ. Hơn nữa, kích thước của các cảm biếnDịch vụ nhà cung cấp ứng viên giới thiệu vấn đề khả năng mở rộng.Độ tin cậy, cảm biến có độ chính xác, pin còn lại, sử dụng pinhiệu quả, hiện tại và vị trí là những tiêu chí lựa chọn đóđược sử dụng thường xuyên nhất trong lựa chọn của các cảm biến cung cấp dịch vụ. Ở[28], bộ cảm biến nhận biết ngữ cảnh tìm kiếm và lựa chọn và xếp hạngMô hình (CASSARAM) đã được đề xuất. 3 hình minh hoạbốn bước sau CASSARAM: 1) sự lựa chọn của cácyêu cầu: số lượng cảm biến dịch vụ nhà cung cấp yêu cầuvà yêu cầu người dùng cuối được nhận như là đầu vào,và một truy vấn dựa trên yêu cầu người sử dụng được thành lập; 2)Tìm kiếm nhà cung cấp dịch vụ thám đủ điều kiện: các truy vấn người sử dụngchạy trên một ontology của cảm biến mô tả, và đầu ra làdanh sách đủ điều kiện cung cấp dịch vụ thám có thể xử lý cácDựa trên điểm (tức là, không thương lượng) yêu cầu; 3) đánh chỉ mụcCác thiết bị dựa trên dựa trên khoảng cách (ví dụ, thỏa thuận) người dùngyêu cầu: người dùng yêu cầu được ưu tiên, và 4) xếp hạngCác nhà cung cấp: cảm biến cung cấp dịch vụ đều được sắp xếp dựa trênđiểm khả năng thu được qua trọng người dùng ưu tiênvà yêu cầu dựa trên sự gần gũi.C. hiệu quả sử dụng ưu đãiThu thập dữ liệu hiệu quả thông qua S2aaS cũng gọi cho hiệu quảCác cơ chế ưu đãi đảm bảo người dùng bảo mật và tin cậy của dữ liệu crowdsensed. [29], các tác giả phân loạiCác ưu đãi như người sử dụng trung tâm hoặc nền tảng trung tâm. Người sử dụng trung tâmưu đãi áp dụng đối với trường hợp nơi cảm biến cung cấp dịch vụthực hiện kế hoạch thám riêng của họ và gửi tình trạng của họ để các đám mâynền tảng để tham gia cảm biến có sự tham gia. Mặt khácbàn tay, nền tảng trung tâm ưu đãi áp dụng đối với trường hợp nơi cácnền tảng đám mây tuyển dụng các nhà cung cấp dịch vụ thám và làm chocảm biến kế hoạch cho họ một cách tập trung. Trong bất kỳ trường hợp nào,văng người dùng biểu cảm biến cung cấp dịch vụ cần phảiđược bồi thường cho việc cung cấp các nguồn lực được xây dựng trong cảm biến.Các tác giả trong [29] đã đề xuất một lý thuyết trò chơi dựa trênnền tảng trung tâm khuyến khích, và hai ưu đãi người sử dụng trung tâmDựa trên địa phương tìm kiếm dựa trên đấu giá. Ưu đãi dựa trên đấu giá usercentric giới thiệu nguy cơ untruthful đấu thầu củanhững người sử dụng nhằm tăng thu nhập của họ bằng cách báo cáo của họcảm biến chi phí cao hơn so với thực tế. MSensing đấu giá đãđề xuất để khắc phục vấn đề tính trung thực và tối đa hóaTiện ích của người dùng cuối. MSensing bao gồm một phiên đấu giá hai bướcthủ tục nơi ở bước đầu tiên, người chiến thắng được lựa chọn dựa trênngày của họ đóng góp biên vào tổng giá trị của các cảm biếnnhiệm vụ, và trong bước thứ hai, cảm biến cung cấp dịch vụbồi thường dựa trên cảm biến chi phí của họ, cũng như các giá trịnhiệm vụ hợp tác cảm nhận. Do đó, nó có thểđược thông qua bởi một khuôn khổ IoT cloud-Trung tâm nơi S2aaSCác hình thức các front-end.Tuyển dụng của các cảm biến cung cấp dịch vụ của incentivizingngười dùng điện thoại di động thông minh giới thiệu vấn đề tin cậy. Vấn đề này đã được nghiên cứu trong bối cảnh của người dùnguy tín-nhận thức và cảm biến chính xác [30], [31], và người sử dụngbảo mật và dữ liệu toàn vẹn [32]

Kết quả (Việt) 2:

B. kỹ thuật tìm kiếm cảm biến hiệu quả
hiệu suất của dịch vụ cảm biến có liên quan trực tiếp đến các thiết lập
của nhà cung cấp dịch vụ viễn. Hơn nữa, kích thước của các cảm biến
ứng viên cung cấp dịch vụ giới thiệu các khả năng mở rộng vấn đề.
Độ bền, độ chính xác cảm biến, pin còn lại, sử dụng pin
hiệu quả, hiện tại và vị trí là những tiêu chí lựa chọn đó
được sử dụng thường xuyên nhất trong việc lựa chọn các nhà cung cấp dịch vụ viễn. Trong
[28], Context-Aware cảm biến tìm kiếm và lựa chọn và xếp hạng
Model (CASSARAM) đã được đề xuất. Sung. 3 minh họa
bốn bước sau đây của CASSARAM: 1) Lựa chọn các
yêu cầu: Số lượng các nhà cung cấp dịch vụ viễn yêu cầu
và yêu cầu người dùng cuối được nhận như là đầu vào,
và một truy vấn dựa trên các yêu cầu sử dụng được hình thành; 2)
Tìm kiếm các nhà cung cấp dịch vụ viễn đủ điều kiện: Các truy vấn người dùng
chạy trên một bản thể học về giới thiệu bộ cảm biến, và đầu ra là
một danh sách các nhà cung cấp dịch vụ viễn đủ điều kiện có thể xử lý
tức là, không thể thương lượng) yêu cầu điểm dựa trên (; 3) Lập chỉ mục cho
các thiết bị dựa trên (tức là, thương lượng) dùng gần dựa trên
yêu cầu: yêu cầu của người dùng được ưu tiên, và 4) Bảng xếp hạng
các nhà cung cấp: các nhà cung cấp dịch vụ Viễn thám được sắp xếp dựa trên
điểm số khả năng thu được thông qua các ưu tiên sử dụng trọng
và yêu cầu gần trụ sở .
C. Khuyến khích sử dụng có hiệu quả
thu thập dữ liệu hiệu quả thông qua S2aaS cũng kêu gọi hiệu quả
các cơ chế khuyến khích đảm bảo sự riêng tư của người sử dụng và sự tin cậy của dữ liệu crowdsensed. Trong [29], các tác giả phân loại
các ưu đãi như người sử dụng làm trung tâm hay nền tảng trung tâm. Người sử dụng làm trung tâm
ưu đãi áp dụng đối với trường hợp các nhà cung cấp dịch vụ viễn
làm cho kế hoạch cảm của mình và gửi cho tình trạng của mình lên đám mây
nền tảng để tham gia cảm biến có sự tham gia. Mặt khác
tay, khuyến khích nền tảng trung tâm áp dụng đối với trường hợp các
nền tảng điện toán đám mây tuyển các nhà cung cấp dịch vụ viễn và làm cho
kế hoạch cảm biến cho họ một cách tập trung. Trong mọi trường hợp,
người dùng được khuyến khích biểu thị cung cấp dịch vụ viễn mà cần phải
được bồi thường cho việc cung cấp các nguồn lực cảm biến tích hợp của họ.
Các tác giả trong [29] đã đề xuất một trò chơi dựa trên lý thuyết
động lực nền tảng trung tâm, và hai khuyến khích người sử dụng làm trung tâm
dựa trên đấu giá dựa trên tìm kiếm địa phương. Ưu đãi usercentric dựa trên đấu giá giới thiệu các nguy cơ của đấu thầu không trung thực của
những người dùng nhằm mục đích tăng thu nhập của họ bằng cách báo cáo của
cảm biến có giá cao hơn so với thực tế. Đấu giá MSensing đã được
đề xuất để khắc phục những vấn đề về tính trung thực và tối đa hóa
tiện ích cuối của người dùng. MSensing bao gồm một cuộc đấu giá hai bước
thủ tục, nơi ở bước đầu tiên, người đoạt giải được chọn dựa
trên đóng góp biên của họ với tổng giá trị của các cảm biến
nhiệm vụ, và trong bước thứ hai, các nhà cung cấp dịch vụ viễn được
bồi thường dựa trên chi phí cảm biến của họ, như cũng như giá trị
của các nhiệm vụ được hợp tác cảm nhận. Do đó, nó có thể
được thông qua bởi một khung IOT đám mây trung tâm nơi S2aaS
hình front-end.
Tuyển chọn các nhà cung cấp dịch vụ viễn bằng cách khuyến khích
người sử dụng thiết bị di động thông minh giới thiệu vấn đề tin cậy. Vấn đề này đã được nghiên cứu trong bối cảnh người dùng
danh tiếng cao nhận thức và cảm biến chính xác [30], [31], và người sử dụng
riêng tư và toàn vẹn dữ liệu [32]