智能手机已成为人们生活中最普遍的设备,正在改变着我们生活和感知的方式,得益于物联网技术的飞速发展,移动群智感知作为一种新兴的数据感知的范例正在逐渐兴起。移动群智感知是结合了众包思想和移动智能设备感知能力的一种新的数据获取方式,参与群智感知活动的用户利用所持有的智能设备通过无处不在的无线网络形成了灵活的传感网络,能够为有大规模数据需求的团体或组织提供可靠的数据服务。与传统的固定部署感知模式相比,移动群智感知具有感知范围广,感知规模大,维护成本低等优点,在实时道路交通监测、空气和噪音污染、犯罪控制和野生动物监测等方面有着广泛的应用前景。随着人们在移动群智感知领域的不断深入研究,移动群智感知中的隐私泄露问题引起了人们越来越多的重视。因为在群智感知活动中,群智平台为了实现自身收益最大化的目标,在进行任务分配的时候会考虑到感知成本这一因素,本文认为的感知成本就是用户完成任务的成本（以用户到达任务的距离为衡量标准）,因此平台需要任务与工人的位置信息来进行任务分配的工作,然而这些信息对于用户来说无疑是敏感的,用户对于隐私信息泄露的担忧会极大地阻碍其参与群智感知活动的积极性。目前,已经有越来越多的研究关注移动群智感知领域中隐私保护的工作,然而现有的隐私保护工作大多集中在对工人的隐私信息保护上,对于任务隐私信息的保护工作却很少,这不利于整个群智感知系统的长期进行。因此,如何在移动群智感知中实现工人和任务的双边隐私保护成为了本文的关键研究问题。本文围绕着保证完成任务成本最小化的同时依然保证工人和任务的隐私信息安全这一关键问题,设计了一种基于矩阵乘法的双边隐私保护任务分配方法,具体内容如下:针对隐私保护的问题,任务发布者在发布任务信息以及工人在上传自己当前位置信息的时候,使用我们提出的隐私保护机制,对上述信息进行处理,使得相关的隐私信息不会暴露给平台以及其他不相关的个体;同时针对任务分配的问题,基于双边隐私保护工作提出了两种不同情况的任务分配策略。并且对于所提出的双边隐私保护方法提供了合理性的证明。最后,我们使用三个实际的数据集对我们所提出的双边隐私下的任务分配方法进行了多次的仿真实验,实验结果表明,与其他基准方法相比,本文所提出的方法可以在实现良好任务分配效果的同时兼具隐私保护效果。