การรับรู้ข้อมูลจากกลุ่มคน ( Crowdsensing ) หรือบางครั้งเรียกว่า การรับรู้ข้อมูลจากกลุ่มคนผ่านอุปกรณ์เคลื่อนที่ ( Mobile Crowdsensing ) คือเทคนิคที่กลุ่มคนจำนวนมากที่มีอุปกรณ์เคลื่อนที่ที่สามารถรับรู้และประมวลผลได้ (เช่นสมาร์ทโฟนแท็บเล็ตอุปกรณ์สวมใส่ ) ร่วมกันแบ่งปันข้อมูลและดึงข้อมูลเพื่อวัด ทำแผนที่ วิเคราะห์ ประเมิน หรืออนุมาน (ทำนาย) กระบวนการใดๆ ที่มีความสนใจร่วมกัน กล่าวโดยสรุปคือ เป็นการรวบรวมข้อมูลจากเซ็นเซอร์ของอุปกรณ์เคลื่อนที่โดยใช้กลุ่มคนจำนวนมาก

อุปกรณ์ที่มีเซ็นเซอร์หลากหลายชนิดกลายเป็นสิ่งที่พบเห็นได้ทั่วไป สมาร์ทโฟนส่วนใหญ่สามารถตรวจจับแสงโดยรอบ เสียง (ผ่านไมโครโฟน) ตำแหน่ง (ผ่านGPS ) การเคลื่อนไหว (ผ่านมาตรวัดความเร่ง ) และอื่นๆ เซ็นเซอร์เหล่านี้สามารถรวบรวมข้อมูลจำนวนมหาศาลซึ่งมีประโยชน์ในหลายๆ ด้าน ตัวอย่างเช่น ข้อมูล GPS และมาตรวัดความเร่งสามารถใช้ในการระบุตำแหน่งหลุมบนถนนในเมือง และไมโครโฟนสามารถใช้ร่วมกับ GPS เพื่อทำแผนที่มลภาวะทางเสียงได้^{[ 1 ]}

คำว่า "mobile crowdsensing" ถูกบัญญัติโดย Raghu Ganti, Fan Ye และHui Leiในปี 2011 ^{[ 1 ]}การรับรู้ข้อมูลจากกลุ่มคนผ่านอุปกรณ์เคลื่อนที่ (mobile crowdsensing) แบ่งออกเป็น 3 ประเภทหลัก ได้แก่ ด้านสิ่งแวดล้อม (เช่น การตรวจสอบมลพิษ) ด้านโครงสร้างพื้นฐาน (เช่น การระบุตำแหน่งหลุมบนถนน) และด้านสังคม (เช่น การติดตามข้อมูลการออกกำลังกายภายในชุมชน) ^{[ 1 ]}แอปพลิเคชัน crowdsensing ในปัจจุบันทำงานโดยอาศัยสมมติฐานว่าผู้ใช้ทุกคนส่งข้อมูลการรับรู้โดยสมัครใจ ซึ่งนำไปสู่การมีส่วนร่วมของผู้ใช้อย่างกว้างขวาง^{[ 2 ]}นอกจากนี้ยังสามารถบ่งชี้ถึงวิธีที่ผู้ใช้อุปกรณ์เคลื่อนที่สร้างกลุ่มคนขนาดเล็กโดยอิงจากกิจกรรม crowdsensing เฉพาะ^{[ 3 ]}

โดยพิจารณาจากรูปแบบการมีส่วนร่วมของผู้ใช้ การรวบรวมข้อมูลจากผู้ใช้ผ่านอุปกรณ์เคลื่อนที่สามารถแบ่งออกได้เป็นสองประเภท:

• การรับรู้ข้อมูลแบบมีส่วนร่วมจากกลุ่มคน ซึ่งผู้ใช้มีส่วนร่วมโดยสมัครใจในการให้ข้อมูล^{[ 4 ]}
• การรับรู้แบบฉวยโอกาส ซึ่งข้อมูลจะถูกรับรู้ รวบรวม และแบ่งปันโดยอัตโนมัติโดยไม่ต้องมีการแทรกแซงจากผู้ใช้ และในบางกรณี แม้กระทั่งโดยที่ผู้ใช้ไม่ทราบอย่างชัดเจน^{[ 1 ] [ 5 ]}

ด้วยความแพร่หลายของอุปกรณ์คอมพิวเตอร์พกพา (โดยเฉพาะสมาร์ทโฟน) ในช่วงไม่กี่ปีที่ผ่านมา ทำให้ธุรกิจต่างๆ สามารถรวบรวมข้อมูลได้อย่างสะดวกโดยไม่ต้องลงทุนจำนวนมาก บริษัทเทคโนโลยีหลายแห่งใช้เทคนิคนี้เพื่อเสนอบริการต่างๆ โดยอาศัยข้อมูลที่รวบรวมได้ ตัวอย่างที่โดดเด่นที่สุดได้แก่ Facebook , GoogleและUber

การรวบรวมข้อมูลจากมือถือเกิดขึ้นในสามขั้นตอน ได้แก่ การรวบรวมข้อมูล การจัดเก็บข้อมูล และการอัปโหลดข้อมูล^{[ 6 ]}

การรวบรวมข้อมูลอาศัยเซ็นเซอร์ที่มีให้ใช้งานผ่านทางอินเทอร์เน็ตของสิ่งต่างๆ [ ^{7 ] มี}กลยุทธ์หลักสามประการสำหรับการรวบรวมข้อมูลนี้: ^{[ 8 ]}

• ผู้ใช้เครื่องจะเก็บรวบรวมข้อมูลด้วยตนเอง ซึ่งอาจรวมถึงการถ่ายภาพหรือการใช้แอปพลิเคชันบนสมาร์ทโฟน
• ผู้ใช้สามารถควบคุมการเก็บรวบรวมข้อมูลได้ด้วยตนเอง แต่ข้อมูลบางส่วนสามารถเก็บรวบรวมได้โดยอัตโนมัติ เช่น เมื่อผู้ใช้เปิดแอปพลิเคชัน
• การตรวจจับข้อมูลจะเริ่มต้นขึ้นเมื่อมีบริบทเฉพาะที่กำหนดไว้ล่วงหน้า (เช่น อุปกรณ์จะเริ่มเก็บข้อมูลเมื่อผู้ใช้อยู่ในสถานที่และเวลาที่กำหนด)

ขั้นตอนการรวบรวมข้อมูลอาจเกี่ยวข้องกับกระบวนการที่เรียกว่าการลบข้อมูลซ้ำซ้อน ซึ่งเกี่ยวข้องกับการลบข้อมูลที่ซ้ำซ้อนออกจากชุดข้อมูลเพื่อลดต้นทุนและปรับปรุงประสบการณ์ผู้ใช้^{[ 8 ]}กระบวนการลบข้อมูลซ้ำซ้อนจะกรองและบีบอัดข้อมูลที่รวบรวมไว้ก่อนที่จะอัปโหลด

ขั้นตอนที่สองเกี่ยวข้องกับการจัดเก็บข้อมูลในอุปกรณ์ของผู้ใช้จนกว่าจะมีผู้ใช้รายอื่นมาแชร์และสื่อสาร^{[ 3 ]}ตัวอย่างเช่น วิดีโอที่ตรวจสอบกิจกรรม (เช่น การจราจร) อาจถูกจัดเก็บไว้ในอุปกรณ์ของผู้ใช้เป็นระยะเวลาหนึ่ง จากนั้นจึงส่งไปยังบุคคลหรือสถาบันที่สามารถดำเนินการได้^{[ 9 ]}

ตัวอย่างหนึ่งของ crowdsensing บนมือถือคือเมื่อผู้ใช้โทรศัพท์มือถือเปิดใช้งานเซ็นเซอร์บนมือถือ เช่น Google Maps และSnapchatที่รวบรวมและแบ่งปันข้อมูลท้องถิ่นไปยังอินเทอร์เน็ต^{[ 10 ]}แอปจะดึงข้อมูลต่างๆ เช่น ตำแหน่งที่ตั้ง วันเกิด เพศ และอื่นๆ^{[ 10 ]}

ศักยภาพของ crowdsensing บนมือถือถูกจำกัดด้วยข้อจำกัดที่เกี่ยวข้องกับพลังงาน แบนด์วิดท์ และกำลังการประมวลผล ตัวอย่างเช่น การใช้ GPS ทำให้แบตเตอรี่หมดเร็ว แต่ยังสามารถติดตามตำแหน่งได้โดยใช้Wi-FiและGSMแม้ว่าจะมีความแม่นยำน้อยกว่าก็ตาม^{[ 1 ]}การกำจัดข้อมูลที่ซ้ำซ้อนยังสามารถลดต้นทุนด้านพลังงานและแบนด์วิดท์ได้ เช่นเดียวกับการจำกัดการตรวจจับข้อมูลเมื่อคุณภาพไม่น่าจะสูง (เช่น เมื่อถ่ายภาพสองภาพในสถานที่เดียวกัน ภาพที่สองไม่น่าจะให้ข้อมูลใหม่) ^{[ 8 ]}

ข้อมูลที่รวบรวมผ่านการสำรวจความคิดเห็นจากผู้ใช้โทรศัพท์มือถืออาจเป็นข้อมูลที่ละเอียดอ่อนเกี่ยวกับบุคคล เช่น ที่อยู่บ้านและที่ทำงาน และเส้นทางที่ใช้ในการเดินทางระหว่างสองสถานที่นั้น ดังนั้น การรักษาความเป็นส่วนตัวและความปลอดภัยของข้อมูลส่วนบุคคลที่รวบรวมผ่านการสำรวจความคิดเห็นจากผู้ใช้โทรศัพท์มือถือจึงมีความสำคัญ

การรวบรวมข้อมูลจากมือถือสามารถใช้วิธีการหลักสามวิธีในการปกป้องความเป็นส่วนตัว: ^{[ 1 ]}

• การปกปิดข้อมูลส่วนบุคคลคือการลบข้อมูลที่สามารถระบุตัวตนได้ออกจากข้อมูลก่อนที่จะส่งไปยังบุคคลที่สาม วิธีนี้ไม่ได้ป้องกันการอนุมานจากรายละเอียดที่ยังคงอยู่ในข้อมูล
• การคำนวณแบบหลายฝ่ายที่ปลอดภัยซึ่งแปลงข้อมูลโดยใช้เทคนิคการเข้ารหัส วิธีนี้ไม่สามารถขยายขนาดได้ และต้องสร้างและบำรุงรักษาคีย์หลายชุด ซึ่งส่งผลให้ต้องใช้พลังงานมากขึ้น
• การรบกวนข้อมูลคือการเพิ่มสัญญาณรบกวนให้กับข้อมูลจากเซ็นเซอร์ก่อนที่จะเผยแพร่สู่สาธารณะ การเพิ่มสัญญาณรบกวนสามารถทำได้โดยไม่กระทบต่อความถูกต้องของข้อมูล
• การรวบรวมข้อมูลแบบไม่ต้องรวมกลุ่ม ซึ่งกระจายศูนย์การกู้คืนข้อมูลเซ็นเซอร์เชิงพื้นที่และเวลาผ่านการส่งข้อความ กลไกนี้มีจุดประสงค์เพื่อกู้คืนข้อมูลเซ็นเซอร์เชิงพื้นที่และเวลาโดยไม่ต้องรวมข้อมูลเซ็นเซอร์/ตำแหน่งของผู้เข้าร่วมไปยังโหนดกลาง (เช่น ผู้จัดงาน) เพื่อปกป้องความเป็นส่วนตัว^{[ 11 ]}

ความสมบูรณ์ของข้อมูลอาจเป็นปัญหาเมื่อใช้ crowdsensing บนมือถือ โดยเฉพาะอย่างยิ่งเมื่อโปรแกรมเป็นแบบสมัครใจ ในสถานการณ์เหล่านี้ ผู้คนอาจให้ข้อมูลเท็จโดยไม่ตั้งใจหรือโดยเจตนา^{[ 1 ] [ 12 ]}การปกป้องความสมบูรณ์ของข้อมูลอาจเกี่ยวข้องกับการกรอง การประเมินคุณภาพ ฯลฯ วิธีแก้ปัญหาอื่นๆ ได้แก่ การติดตั้งโครงสร้างพื้นฐานที่อยู่ร่วมกันเพื่อทำหน้าที่เป็นพยาน หรือการใช้ฮาร์ดแวร์ที่เชื่อถือได้ซึ่งติดตั้งอยู่ในสมาร์ทโฟนอยู่แล้ว อย่างไรก็ตาม วิธีการทั้งสองนี้อาจมีราคาแพงหรือใช้พลังงานมาก^{[ 1 ]}

• การรับรู้แบบมีส่วนร่วม
• การทำแผนที่ฝูงชน