近来年,随着无线传感网络和移动互联网技术的发展,移动群体感知技术得到了学术界和工业界的广泛关注,并在环境监测、智能交通等场景中得到广泛应用。这些场景通常要求用户在指定时间和地点收集特定的感知数据,即此类感知任务具有时空分布特性。移动群体感知收集的数据往往涉及用户的隐私,隐私数据泄露会对用户造成严重威胁。此外,敏感信息得到保护后,恶意用户可能滥用隐私优势,为其自身目的多次上传感知数据,进而影响感知任务结果,因此保护用户隐私和防止恶意的用户成为一对矛盾的目标。本地化差分隐私基于数据收集者不可信的假设,能在任意背景知识攻击下保证数据的隐私性,而数据可用性高低取决于数据量的大小。因此,在参与用户有限的情况下,探索适合移动群体感知场景的本地化差分隐私算法,并保证数据聚合结果的高可用性,非常具有现实意义。针对上述问题,本文面向时空分布的移动群体感知任务,做了以下工作:1.本文构造了一个可追责的隐私保护方案。方案利用BBS+签名的性质实现用户匿名身份认证,并基于公开身份标识实现恶意用户的追责。2.本文考虑位置和收集的感知属性在感知任务数据分析阶段的不同作用,以及参与群体感知任务的用户数量较少的情形,采用基于随机响应的本地化差分隐私策略处理感知数据。具体地,随机选择位置集合,为噪声位置生成噪声属性值,并随机翻转属性值比特串,实现用户的数据隐私保护。3.本文提出了一个高效的隐私保护数据聚合算法,通过位置频率估计、噪声移除和回归拟合三个步骤聚合分析隐私化的感知数据,得到感知任务的结果。4.为验证可追责隐私保护方案的有效性,本文实现了一个原型系统,并基于真实数据集模拟具有时空分布特性的群体感知任务,在不同的差分隐私保护粒度下进行了一系列的对比实验和分析。实验结果表明本方案的计算和通信开销在移动群体感知场景中更有优势,并能在用户参与数量较少的情况下,得到高精确度的隐私数据聚合结果。