近年来,随着无线网络技术的落地和智能设备的普及,移动群智感知得到了快速发展。移动群智感知要求工人移动到特定的区域去完成相应的感知任务,在感知和数据传输过程中,由于数据的处理量以及传输所消耗的时间不断增加,传统的云计算已经不能满足需求。边缘计算和区块链技术等分布式技术的出现有效缓解了这一问题。然而,在交互过程中无法确定第三方平台的可信性,同时也存在恶意攻击者试图获取工人信息的现象,工人面临着众多隐私泄露的风险。因此,在移动群智感知过程中,保护工人的隐私信息尤为重要。现阶段,主要对三类信息实施隐私保护措施,分别是身份信息、位置信息和数据信息。本文主要针对位置信息展开研究。感知数据在经过隐私保护处理后往往会与真实数据存在误差,怎样平衡隐私保护力度和数据质量冲突问题成为移动群智感知中的研究热点。现有的关于移动群智感知的隐私保护方法大都集中在对隐私保护算法的研究,忽略了作为交互的第三方平台可信性问题。本文针对以上问题,将第三方平台划分为非可信的第三方平台和可信的第三方平台,并分别设计不同的隐私保护机制。本文的主要研究内容如下:1.为了解决非可信第三方平台的隐私泄露问题,本文提出一种针对中心匿名服务器的隐私保护激励机制。该机制在工人请求匿名服务时首先使用本地化差分隐私处理位置信息,再将处理后的数据上传至匿名服务器。针对低质量数据的问题,提出基于位置信息的多策略上传激励机制,基于工人上传数据的真实性设置奖励矩阵,激励工人上传高质量感知数据。2.为了解决可信第三方平台的隐私泄露问题,本文提出一种基于区块链的分布式两阶段隐私保护机制。该机制利用区块链技术代替传统的第三方平台,避免第三方平台泄露工人位置隐私。针对区块链“透明化”机制,结合恶意攻击者因素,在本地化差分隐私的基础上加入扰动因子,进一步强化隐私保护的效果,确保工人上传至区块链的数据“可用而不可见”。