一种面向隐私保护的无人机路径规划与任务调度方法及系统

背景技术：

1、随着低空经济的快速发展，无人机在城市物流配送、基础设施巡检、应急救援等领域的应用日益广泛。无人机的大规模应用也带来了日益严峻的隐私安全问题。无人机通常搭载高清摄像头等多种传感器，可以在飞行过程中轻易获取地面行人、车辆、住宅等敏感信息，严重威胁公民隐私权和生活安宁权。

2、在法规层面，法规与标准的密集出台，标志着隐私保护已成为无人机商业化运营的核心合规要求。因此，在无人机路径规划与任务调度中主动嵌入隐私保护机制，具有迫切的技术需求和广阔的应用前景。

3、现有技术中存在以下几类相关技术方案：

4、（1）隐私风险评估类技术。例如，发明专利“一种无人机飞行路径对隐私安全的风险等级评估方法”（cn202511912365.6）提出通过建立无人机地面可视区域模型，采用二维高斯分布模型计算观测概率，结合gis数据构建隐私敏感度，利用方向性调制机制进行修正，最终通过路径隐私风险积分实现飞行路径的整体隐私风险评估。该方法能够对给定飞行路径的隐私风险做出精确评估，但其核心功能是“评估”——即在飞行路径已经规划完成后，对该路径进行隐私风险打分。它并未解决“如何规划出一条隐私风险最小化的飞行路径”这一问题，无法实现隐私风险规避与路径优化的闭环。

5、（2）用户隐私保护的任务调度类技术。发明专利“面向用户隐私保护的多无人机协同调度与任务规划方法”（cn120295325a）提出了地面用户位置信息模糊化后上报，无人机系统基于模糊信息进行任务调度和路径规划的方案，采用博弈论模型进行求解。该方法通过信息模糊化从源头上限制隐私数据的暴露，但其核心思路是“减少隐私信息的收集量”，而非“利用可用信息优化飞行路径以主动规避隐私风险”。同时，该方法未涉及多无人机协同场景下任务分配数据的加密保护问题。

6、（3）通信安全类技术。发明专利“一种面向信息安全的无人机轨迹优化方法”（cn202510008670.6）建立了包含窃听者的系统框架，通过优化无人机轨迹和发射功率来最大化通信速率并最小化窃听效果。该方法关注的是通信内容的安全性和保密性（即防止通信被窃听），而非飞行路径对地面敏感区域的隐私保护问题。

7、（4）学术研究类技术。国际研究领域已出现隐私敏感路径规划的概念，例如美国专利us20190012924提出了处理建筑物模型数据以确定隐私敏感特征、计算无人机路径与隐私敏感特征之间的视线数据，并据此配置飞行路径的方法。该方法主要用于避免无人机直接看到建筑物的窗户等隐私敏感区域，但其仅考虑了简单的视线遮挡关系，缺乏对复杂城市环境中多源隐私风险的综合量化与累积效应建模。

8、综合来看，上述现有技术存在以下共性缺陷：

9、第一，评估与规划的割裂。现有隐私评估技术只能对已有路径进行风险评估，无法将隐私风险指标作为路径规划的优化目标之一，实现“评估-优化”的闭环；

10、第二，隐私风险量化粒度粗放。现有方法多采用定性或半定量的风险等级划分，缺少能够精确刻画飞行路径上隐私风险连续累积效应的数学模型；

11、第三，任务分配中的数据安全缺失。在多无人机协同场景中，任务分配通常需要集中式处理含敏感信息的任务数据（如配送地址、巡检目标坐标等），传统方法未提供数据加密保护，存在数据泄露和被篡改的风险。近期已发生多起无人机管理平台遭黑客攻击导致数据被窃取的安全事件；

12、第四，缺乏动态与静态相结合的隐私保护。现有方法要么仅考虑路径层面的隐私风险（静态的地理敏感度），要么仅关注通信安全，未能实现飞行路径隐私保护与任务数据加密保护的系统性结合。

13、发明目的：针对上述现有技术的不足，本发明要解决的核心技术问题包括：

14、（1）如何将地面隐私风险量化为可嵌入路径规划目标函数的隐私风险累积量指标，使得无人机在路径寻优过程中能够主动“规避风险”，而非事后“评估风险”；

15、（2）如何在多无人机协同任务分配场景中，通过加密的分布式优化协议实现任务数据的隐私保护，防止敏感数据在任务调度过程中被泄露或篡改。

16、图1为本发明的流程示意图。

17、图2为本发明中的三维隐私敏感度场简易框架图。

技术实现思路

1、发明目的

2、图3为本发明中的隐私风险累积量几何模型图。

3、技术方案

4、图4为本发明中的改进a*算法流程图。

5、图5为本发明中的加密系统框架图。

6、图6为本发明中的加密协议时序流程图。

7、图7为本发明中的两条路径对比图。

8、本发明提出一种面向隐私保护的无人机路径规划与任务调度方法，包括两大核心技术方案。

9、技术方案一：基于隐私风险累积量最小化的路径规划方法，系统由隐私敏感度场构建模块、地面可视区域建模模块、隐私风险累积量计算模块和多目标路径规划模块组成。

10、（1）隐私敏感度场构建：融合gis地理信息数据（包括住宅区、医院、学校、商业区等不同功能区域的分布）、实时人口密度数据和三维城市建筑模型，采用空间核密度估计方法为任务区域的每个空间网格单元赋予隐私敏感度权重值，构建三维隐私敏感度场。隐私敏感度 s(x,y,t)s(x,y,t) 由以下多因素加权模型确定：

11、

12、

13、其中，slandsland为基于土地利用类型的静态敏感度（住宅区> 商业区 > 工业区> 开放空间）；spopspop为基于实时人口密度的动态敏感度；sbuildsbuild为基于建筑物高度和类型的敏感度（高层住宅 > 低层住宅 > 公共建筑）；α1,α2,α3α1,α2,α3为可配置的权重系数；

14、根据《中华人民共和国民法典》第一千零三十二条和第一千零三十三条的规定，住宅、宾馆房间等私密空间以及私人泳池等半私密场所受到法律的特别保护，其周边的隐私敏感度值应给予更高的权重设置。

15、（2）地面可视区域建模：根据无人机的飞行高度 h(t)h(t)、相机俯仰角 h(t)h(t)，实时计算无人机对地面的可视区域范围 。

16、（3）隐私风险累积量计算：定义隐私风险累积量 r(p)r(p) 为无人机沿飞行路径pp 飞行时，对地面产生的隐私风险沿路径的积分：

17、

18、

19、其中，分别为飞行的起始和终止时刻；

20、多目标路径规划：以改进a*算法为例，将传统的代价函数扩展为：

21、

22、

23、其中， 为从起点到当前节点 nn 的能耗代价； 为从起点到当前节点 nn 的隐私风险累积量；h(n)h(n) 为启发式估计值；w1,w2,w3w1,w2,w3为权重系数，由任务类型和隐私保护需求动态确定。通过调整w2w2的值，可以实现隐私保护与飞行效率之间的灵活权衡：当任务场景要求高度隐私保护时（如飞越人口密集的住宅区），可增大 w2w2 的值，使路径规划更倾向于“绕行”敏感区域，从而最小化飞越敏感区域的概率和地面隐私风险累积量。

24、技术方案二：基于加密分布式优化的多无人机任务分配方法，针对多无人机协同任务分配场景中的数据隐私问题，提出了基于部分同态加密的分布式优化协议。系统由地面控制站和多个无人机节点组成。

25、（1）系统初始化：地面控制站生成同态加密密钥对（公钥 pkpk 和私钥 sksk），并将公钥 pkpk 分发给各无人机。同态加密允许在密文上直接执行特定运算，运算结果解密后与在明文上执行相同运算的结果一致。部分同态加密相比全同态加密在计算开销上具有显著优势，更适合资源受限的无人机机载系统。

26、（2）任务数据加密上传：各无人机 uiui 将其任务数据（任务坐标向量、时间窗口约束、电池状态等）使用公钥进行加密，生成密文 ，并上传至协同计算平台或通过机间通信网络进行分享。在此过程中，任何其他无人机或第三方无法解密 cici获取原始数据。

27、（3）密文域任务分配优化：在加密数据域内执行分布式优化算法。当两架无人机需要在不暴露各自路径信息的情况下检测是否存在路径冲突时，可参考基于同态加密的路径交会计算方法，在加密域中完成路径交会检测而不泄露路径和目的地细节。采用安全多方计算协议，使多架无人机在不暴露各自私有任务数据的前提下协同求解最优任务分配方案。paillier加密方案支持加法同态性质：，适合用于任务分配中的代价函数计算。

28、（4）结果解密与任务执行：地面控制站使用私钥 sksk 对优化结果进行解密，将任务分配方案（而非原始任务数据）下发给各无人机执行。

29、有益效果

30、与现有技术相比，本发明的有益效果包括：

31、（1）实现了隐私风险的主动规避而非被动评估。通过将隐私风险累积量嵌入路径规划目标函数，在路径搜索过程中即可实时计算和优化隐私风险，实现了“评估”与“优化”的闭环，这是对现有隐私风险评估类专利技术的实质性突破。

32、（2）提供了更精细化的隐私风险量化模型。隐私敏感度场融合了静态地理信息、动态人口密度和建筑三维特征，能够更准确地反映城市复杂环境中不同区域的差异化隐私敏感程度。

33、（3）保障了多无人机协同场景中的数据安全。通过部分同态加密和安全多方计算技术，任务分配过程的数据始终以密文形式存在，即使通信链路被窃听、计算平台被攻击，攻击者也无法获取明文任务数据，有效防范了类似无人机管理平台数据泄露事件的发生。

34、（4）实现了飞行路径隐私保护与任务数据加密保护的系统性结合。二者相辅相成，前者从空间维度最小化无人机对地面敏感区域的侵扰，后者从数据维度防止任务信息的泄露，共同构成了完整的无人机隐私保护技术体系。