随着各种内置有传感器（如光传感器,距离传感器,重力传感器）的移动设备的出现,一种新的技术—群智感知技术走向了繁荣。移动群智感知（Mobile Crowdsensing）是一种新兴的数据采集技术,它将众包与移动设备相结合,以较低的成本收集大量的数据。它通过人们已有的移动设备形成交互式的、参与式的传感网络,将感知任务以外包的形式发布给网络中的群体来完成。移动设备使用的普适性以及设备主人的自然移动性使得群智感知网络能够从各地收集海量多维异构数据,以非常低的成本实现大规模和细粒度的感知,为各种大规模数据需求提供数据服务。作为连接物理社会和信息社会的桥梁及纽带,目前为止群智感知已经为智慧城市的建设做出了巨大的贡献,极大地提高了人民在医疗服务、交通监控、环境监测等方面的生活水平。虽然移动群智感知已经渗透于生活中的方方面面,但是研究中依然会出现阻碍其发展的困难因素,例如,参与者的个人隐私可能会面临泄露的威胁、恶意用户试图破坏和谐、收集大量数据时如何去除冗余信息、如何为参与者分配合适的感知任务等。目前研究人员及从业者都在尽力解决这些困难,本文将着重基于其中两点不足进行研究。首先,针对恶意用户或者恶意用户集合,采用了特征信任以及可验证的秘密共享技术,设计了一个分布式的隐私保护信誉管理机制;此外,对于大规模的感知数据,根据用户位置信息的均匀度和覆盖率来删去冗余数据,利用TF-Encrypted技术对用户位置信息加密,提出了一个保护隐私的路径位置优化机制。本文的主要贡献可以概括为以下两点:（1）针对恶意用户,提出了保护用户隐私的分布式信誉管理机制,这里的用户隐私包括感知数据以及个人信任值。为解决大多数现有的群智感知信誉管理机制都依赖于一个半诚实的服务器的问题,我们的信誉管理机制引入了分布式Eigen Trust特征信任;并且针对用户隐私威胁,我们的信誉管理机制又利用了可验证秘密共享技术和协作路径隐藏。一方面由所有参与者相互合作计算信誉值而不再依赖中心服务器,另一方面又可以识别出恶意用户,在保证该信任值不被泄露的情况下迭代计算出用户最终的全局信誉值。（2）针对位置相关的移动群智感知中,我们提出了一种保护用户位置隐私的用户路径位置优化选择算法,尽量选择出冗余量小,空间覆盖率大的路径集合。为解决不经过筛选而全盘接收感知数据造成的消耗巨大成本的问题,引入了覆盖率和均匀度两个概念。然而传统的用户路径位置算法是直接对用户的位置信息进行计算,这对用户个人位置隐私造成了威胁。因此,我们对用户的位置信息进行加密处理后再对路径位置进行筛选,提出了隐私保护的用户路径位置选择算法。既保证了用户的位置隐私,又在数据尽可能全面的前提下节省了开销。