技术特征：
1.一种新冠疫情背景下的广域健康知识获取方法，其特征在于，所述新冠疫情背景下的广域健康知识获取方法包括：hco需要宏观的公民健康知识，ldm能够在微观层面收集公民数据并将其训练为知识，公民是原始数据的提供者，所述新冠疫情背景下的广域健康知识获取方法包括知识生成阶段和知识交易阶段；在知识生成阶段，hco向多个ldm发布一系列知识获取任务，在ldm选择接受某个任务后，将向感知区域内的公民发布数据收集需求，收集到数据后，ldm通过边缘ai算法将数据训练为知识；在知识交易阶段，ldms将知识有偿的卖给hco；所述边缘ai算法包括深度强化学习drl和支持向量机svm。2.如权利要求1所述的新冠疫情背景下的广域健康知识获取方法，其特征在于，所述新冠疫情背景下的广域健康知识获取方法还包括：利用交易链和数据链两种类型的区块链进行系统建模；交易链使用押金及退款机制保护知识交易阶段，使得参与人hco和n个ldm能够公平可信的进行交易；每个ldm均是一条数据链的基础设施提供者，ldms通过建立数据链来收集和管理来自公民可穿戴设备的数据；其中，所述交易链包括：设计智能知识交易合约sktc，sktc的函数中，“on receiving message from hco or ldms”表示该函数从hco或ldms接收一条消息；“upon receiving()from hco”表示该函数受到来自hco的无参数调用；msg.sender是交易发送方的以太坊地址，msg.value是附加到当前交易的以太币ether；(1)系统初始化：在交易链中，hco和ldms在系统中注册后即成为一个合法实体；使用椭圆曲线数字签名算法ecdsa获得唯一身份、公钥和私钥以及数字签名，用task＝{task1,task2,...,task
n
}和price＝{price1,price2,...,price
n
}分别表示hco的知识需求向量和支付向量；令addrlist
ldm
和addr
hco
分别表示ldms的以太坊地址向量和hco的以太坊地址；md
hco
和md
ldm
分别表示hco和ldm的押金数额；islock是一个布尔状态变量，url,key,selladdr是用来存储参数的字符串型变量；hco使用initenv函数初始化以上变量；(2)部署智能合约：hco使用creacon函数来部署n个sktc合约；当部署sktc i时，hco设置task
i
并向合约地址发送price
i
+md
hco
个以太币，msg.value＝price
i
+md
hco
；(3)选择最优合约：ldm向合约地址支付押金md
ldm
选择最大化自己效用的合约；合约在接收一笔转账后自动调用fallback函数，冻结此时合约内所有资产：price
i
+md
hco
+md
ldm
，并将此ldm的地址保存到selladdr变量中；(4)提交知识消息：在完成hco的任务task
i
后，ldm使用密钥ek加密知识并将知识上传至称为星际文件系统ipfs的分布式安全文件系统，ldm将密钥ek和知识在ipfs的链接url
kno
通过senmess函数提交给智能合约；(5)获取知识消息：hco调用getmess函数获取ek和url
kno
后，从url
kno
下载知识并解密；(6)确认交易：hco调用conftra函数确认交易已经成功完成；conftra函数将分别向addr
hco
和selladdr退还押金md
hco
和md
ldm
。3.如权利要求2所述的新冠疫情背景下的广域健康知识获取方法，其特征在于，所述数据链包括：数据链是由装备可穿戴设备的公民共同维护的分布式数据共享账本，采用名为贡献证
明poc的共识机制；所述poc共识机制能够表征和量化公民的数据共享行为，贡献值最高的公民将获得下一个区块的记账权；在数据链中，装备可穿戴设备的公民通过收集数据参与poc共识机制，并竞争ldm提供的区块奖励，贡献最大的公民将获得区块奖励。4.如权利要求1所述的新冠疫情背景下的广域健康知识获取方法，其特征在于，所述新冠疫情背景下的广域健康知识获取方法还包括：将hco、ldms和公民之间复杂的相互作用构建为两阶段层次博弈；在第一阶段，使用契约理论计算最优task和price；在第二阶段，将ldm和数据收集区域内的公民之间的关系建模为斯塔伯格博弈，其中公民之间为非合作博弈；在基于区块链的新冠疫情背景下广域健康知识获取方法中，ldm充当卖方，提供由边缘ai训练的知识；将执行效率定义为并将θ
i
按升序排列：其中，θ
i
是hco不知道的隐私信息，hco为ldms提供差异化合约；(1)数据集价值：ldm将公民的数据聚合为原始数据集后，利用边缘ai将原始数据集训练成知识，知识的质量与原始数据集中有效信息量密切相关，则数据集的值表示为：其中，σ(m
i
)表示原始数据集中包含的有效信息量占比，用sigmod函数表示，)表示原始数据集中包含的有效信息量占比，用sigmod函数表示，是公民m提供的个人健康数据量；η
m
是公民位置系数；(2)知识价值：通过估计知识和原始数据集之间的差距评估知识值，根据“边际收益递减”的一般经济规律，定义知识价值函数为：其中，α和ω是正曲线参数，所述知识价值函数表示高价值的原始数据集可以产生高质量的知识。5.如权利要求4所述的新冠疫情背景下的广域健康知识获取方法，其特征在于，效用函数设计包括：hco需要为不同类型的lbps设置不同的契约{t
i
,p
i
}，其中t
i
表示数据集价值，p
i
表示价格系数；hco通过设定数据集价值来指定知识价值，在接受契约{t
i
,p
i
}后，ldm i在数据链上向公民提供奖励r
i
激励公民贡献自身数据，公民通过设置自己的贡献数据量最大化自身收益；设计hco的效用函数，hco从单个契约{t
i
,p
i
}中得到的收益表示为：其中，μ是正参数，0<β<1是hco对θ
i
的满意度；当θ
i
较大时，hco满意度增加，边际满意度降低，是正且增的严格凹函数；hco能够根据历史统计信息得到ldms类型θ
i
的分布，令λ
i
表示ldm是类型i的先验概率，且则hco的目标是最大化其效用：
hco将在ir和ic约束条件下设计契约使得每个ldm接受契约是最优选择，对于ldm有v
i
≥t
i
，表示ldm完成契约的约束条件；知识是一种具有可复制性的虚拟商品，ldm的利润分为两部分：从hco得到的支付θ
i
p
i
和向市场出售知识副本得到的利润其中p
kno
≥0表示单位知识利润；对于成本，ldm向公民提供激励r
i
，并将数据训练成知识也会产生成本τv
i
，τ＞0，故ldm的效用函数为：设计公民的效用函数，由数据链定义，每个公民基于贡献数据量竞争r
i
；当两个公民数据量相同时，公民位置η
m
越重要，公民贡献越大，则公民效用函数表示为：其中，c＞0表示收集单位数据量消耗的成本。6.如权利要求4所述的新冠疫情背景下的广域健康知识获取方法，其特征在于，所述层次博弈求解包括：应用逆向归纳法求解层次博弈，上层契约博弈的解已经给定，将其代入求解下层stackelberg博弈；将下层的解代入上层，得到上层最优解；(1)斯塔伯格博弈求解在stackelberg博弈阶段，契约{t
i
,p
i
}已经给定，通过逆向归纳法求解stackelberg博弈，先求解公民之间非合作博弈，后求解ldm效用最大化问题；1)非合作博弈用表示公民非合作博弈，其中x
s
和分别是公民集合，策略集合和效用函数，存在且唯一的纳什均衡为：其中，2)ldm效用最大化ldm最优解为：其中，是契约完成条件，是全局最优解；经过分析，hco将始终设置并且ldm最优策略始终为：
(2)最优契约求解ldm在策略为时的效用为：其中，给出个体理性约束ir和激励相容约束ic；个体理性约束ir表示ldm参加契约的效用大于不参加契约的效用：其中，表示ldm不选择契约的效用；激励相容约束ic表示类型i的ldm只有选择契约{t
i
,p
i
}时，效用才最大化：θ
i
p
i-h
i,i
≥θ
i
p
j-h
i,j
；构建hco的效用最大化问题为：构建hco的效用最大化问题为：通过以下引理将问题转化为易处理的形式：
①
对任何契约{t
i
,p
i
}和{t
j
,p
j
}，在条件(θ
i-θ
j
)(γ
i-γ
j
)≤0下，当且仅当θ
i
≥θ
j
时，有p
i
≥p
j
和t
i
≥t
j
；
②
在条件下，只要类型1的ldm满足ir，其他所有类型都满足ir；
③
在条件下，ic约束可以简化为局部下激励兼容ldic和局部上激励兼容luic；将三个引理中的条件总结为：γ1≥γ2≥...≥γ
n
；hco效用最大化问题转化为：
将所有ic条件求和，得到：得到：相应的，p
i*
也可得到。7.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：假定hco需要宏观的公民健康知识，ldm能够在微观层面收集公民数据并将其训练为知识，公民是原始数据的提供者，所述新冠疫情背景下的广域健康知识获取方法包括知识生成阶段和知识交易阶段；在知识生成阶段，hco向多个ldm发布一系列知识获取任务，在ldm选择接受某个任务后，将向感知区域内的公民发布数据收集需求，收集到数据后，ldm通过边缘ai算法将数据训练为知识；在知识交易阶段，ldms将知识有偿的卖给hco；所述边缘ai算法包括深度强化学习drl和支持向量机svm。8.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：假定hco需要宏观的公民健康知识，ldm能够在微观层面收集公民数据并将其训练为知识，公民是原始数据的提供者，所述新冠疫情背景下的广域健康知识获取方法包括知识生成阶段和知识交易阶段；在知识生成阶段，hco向多个ldm发布一系列知识获取任务，在ldm选择接受某个任务后，将向感知区域内的公民发布数据收集需求，收集到数据后，ldm通过边缘ai算法将数据训练为知识；在知识交易阶段，ldms将知识有偿的卖给hco；所述边缘ai算法包括深度强化学习drl和支持向量机svm。9.一种实施权利要求1～8任意一项所述新冠疫情背景下的广域健康知识获取方法的新冠疫情背景下的广域健康知识获取系统，其特征在于，所述新冠疫情背景下的广域健康知识获取系统由1个医疗管理机构hco和n个数据收集区域组成；每个数据收集区域由一个集成边缘ai的局部数据管理者ldm和多个穿戴可穿戴设备的公民组成的公民组成；所述可穿戴设备包括手表、腕带、头盔以及眼镜在内的生物信息传感器；其中，令表示ldms的集合，ldm i管理m
i
个装备可穿戴设备的公民，其中
表示公民集合。10.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求9所述的新冠疫情背景下的广域健康知识获取系统。
技术总结
本发明属于数字信息传输技术领域，公开了一种新冠疫情背景下的广域健康知识获取方法及系统，由1个医疗管理机构HCO和N个数据收集区域组成；每个数据收集区域由一个集成边缘AI的局部数据管理者LDM和多个穿戴可穿戴设备的公民组成；其中，令表示LDMs的集合，LDM i管理M
技术研发人员：徐扬 邵建博 贺宏钢 陈芸 张珊珊 徐梦涵 刘佳 刘东苏
受保护的技术使用者：西安电子科技大学
技术研发日：2022.01.06
技术公布日：2022/5/25