移动群智感知是目前最具有影响力的新兴技术之一,它利用现有的通信基础设施（Wi Fi、4G/5G）和智能设备用户的移动性,从分散在监测区域的智能设备中收集个人和周围环境、位置、交通状况、噪音水平等数据,并在云服务器中聚集融合,实现有价值信息的提取和交付。移动群智感知在诸如环境监测、智能交通、医疗保健、室内定位等智慧城市的各方面都具有广阔的应用前景。然而,移动群智感知应用的大范围推广仍面临许多的挑战。首先,用户提交的感知数据通常涉及个人敏感信息,如果不加保护,可能造成用户隐私泄露。其次,由于智能设备的异构性和用户感知行为的不稳定性,用户提交的感知数据并不总是可靠的,甚至是无效的。这些混杂的数据严重损害系统数据服务的质量。针对这些问题,不仅需要保护用户的个人数据隐私,还需要对收集到的数据进行真值发现,以推演出最可靠的数据结果,确保系统数据服务的质量。因此,如何在保护用户感知数据隐私的同时确保真值发现的可靠性是移动群智感知数据服务体系的一个核心问题。近年来,一些研究工作者提出了移动群智感知隐私保护真值发现机制来解决该核心问题,但现有的工作仍存在下列问题:第一,针对连续感知任务的数据流,缺乏支持动态用户且易实施的隐私保护真值发现机制;第二,针对用户提交的异常数据对真值发现可靠性的影响,缺乏能够保障真值发现可靠性且高效的隐私保护机制;第三,针对感知参与用户对移动群智感知真值发现可靠性的影响,缺乏同时支持用户动态性和隐私性,且以较少总支付即可保障真值发现可靠性的有效机制。为了解决现有研究工作中的问题和技术挑战,本文以保护用户数据隐私和提升系统数据服务质量为目标,结合感知参与用户的动态性和智能设备的资源有限性,从影响移动群智感知系统真值发现结果可靠性的不同方面进行探索,其主要研究内容如下:（1）针对移动群智感知数据的流式特性和用户随时退出感知活动的特点,本文提出了隐私保护的实时群智感知数据流真值发现机制。首先,针对感知参与用户的动态性,提出了一种安全求和聚合协议,协议彻底解决了用户在感知活动中随时退出造成的计算结果错误问题,且其采用的单服务器架构更容易部署实施。其次,设计了动态的增量真值发现算法,显著降低系统隐私保护真值发现的计算成本和通信开销。最后,基于安全聚合协议和动态的增量真值发现算法,构建了隐私保护的实时感知数据流真值发现机制。该机制在保护用户数据隐私的同时,保证了系统感知数据流真值发现结果的正确性。理论分析证明了系统的安全性和容错性,实验评估结果验证了系统的高效性。（2）针对用户提交的异常数据对真值发现可靠性的影响,本文提出一种可靠高效的隐私保护真值发现机制。首先,提出了加密数据过滤算法,使感知平台能够准确地从收集到的加密感知数据中识别并移除出异常值,确保真值发现算法更好地发挥其效能以获取可靠的聚合结果。然后,为了提高系统的效率,提出了一种基于多用户内积函数加密的隐私保护真值发现机制,将隐私保护真值更新从传统的两次加法聚合降为一次内积聚合计算。此外,设计了支持双层加密的函数解密密钥生成算法,实现真值发现结果的机密性。理论分析和实验评估验证了本文所提方案的安全性,有效性和高效性。（3）针对感知参与用户对真值发现可靠性的影响,本文提出了保护隐私且支持稳健感知的动态定价机制。首先,提出了隐私保护的数据聚合算法,确保了用户在感知活动中的数据隐私。然后,利用该聚合算法构建了隐私保护的数据质量评价方法,实现用户数据隐私保护的同时实时获取动态的用户数据质量概况。最后,基于强化学习构建了隐私保护的动态定价机制,该机制在用户感知模式等知识不可用和不泄露用户感知数据内容的条件约束下,根据用户感知数据的质量概况动态地学习并发布优化的感知数据价格,激励高质量感知的同时抑制低质量感知,实现了系统最少总支付和稳健性的平衡,确保真值发现算法在高质量感知数据集上运行以产生可靠的聚合结果。理论分析和实验评估验证所提方案的安全性和有效性。本文深入地分析移动群智感知应用中感知数据和用户的特征,针对现有群智感知中隐私保护真值发现研究的局限性,提出了对应的隐私保护真值发现解决方案,并使用理论分析和实验评估的方法对提出的方案进行了验证。与现有研究工作相比,本文所提出的解决方案保护用户数据隐私的同时具有更好的实践性和更高的性能,对构建安全可靠的移动群智感知数据服务体系提供了支持,具有一定的理论研究意义和实用价值。