移动智能设备的空前普及推动了一种有前途的计算范式,即移动群智感知（Mobile Crowdsensing,MCS）,人们可以在此与他人共享周围环境的个人数据。作为一种解决大规模社会问题的快速、简便且经济高效的方法,MCS广泛应用于环境监控,地图构建,公共安全等许多领域。而智能车辆作为移动群智感知中最新兴和最有前途的解决方案之一,旨在远程地从参与感知任务的车辆中收集感知数据（如时间戳、GPS位置、速度等）。在该过程中,仅需探索智能车辆中嵌入的传感技术即可部署功能强大的监控系统,并且无需广泛地安装其它基础设施。借助其无线通信功能,车辆参与者可以将其收集到的感知数据直接提供给云服务提供商用于感知任务的查询发布。但是,在车辆群智感知为人们生活出行带来便利的同时,其感知数据中包含大量与自己身份有关的隐私信息,若不加以处理而直接公布这些数据,将会对参与者构成严重的威胁。因此,在车辆群智感知中保护参与者的隐私安全迫在眉睫。本文在车辆群智感知环境下,结合差分隐私理论,研究了针对不同情况如何有效地保护车辆参与者的隐私安全,其主要工作如下:（1）考虑到云服务提供商在处理大量感知数据时,为了把感知数据属性相接近的划分为一个类簇,通过对每一个类簇的感知数据进行统计分析用于查询发布,设计了满足差分隐私的车辆感知数据聚类算法。在该算法中,结合了差分隐私的拉普拉斯机制,并改进了基于密度的DBScan算法,在对所有的感知数据进行聚类时,将拉普拉斯噪声注入每两个车辆数据对象的欧式距离中,使感知数据属性相接近的划分为一个类簇,最后通过实验证明,该算法能够为参与者提供隐私保护的同时提高聚类算法效用。（2）考虑到将大量感知数据直接上传给云服务提供商带来的高延时、低效率等问题,引进了雾节点,并设计了基于雾的隐私保护车辆感知数据聚集算法。在车辆参与者收集到感知数据后,将自己的感知数据进行本地化差分隐私扰动,然后将扰动后的数据上传给本区域的雾节点,由雾节点对本区域的感知数据进行分析和处理,再将汇总结果上传给云服务提供商。最后通过对该实验进行设计表明,该算法能在提供隐私保护的同时,能够降低云服务提供商与车辆之间的通信开销,使查询响应更高效快捷。