近年来,传感器与嵌入式计算设备的集成促进了车联网群智感知技术的快速发展。然而,细粒度的数据传输增加了“云”的负担,集中式的数据管理模式也不能满足车辆对于高移动性、低延时的需求。雾计算作为一种新型的更贴近网络边缘的分布式计算方式,将计算从云端迁移到网络边缘。它不但提供了更加贴近车辆的计算资源,更加灵活的部署方式,而且可以利用本地存储和计算资源,降低数据中心的通信和存储负担。然而,在基于雾计算的车联网群智感知中,依然存在着许多问题。首先,在该类架构中,用户的隐私性必须得以保证,在此前提下,如何提高数据准确性以及激励更多的车辆参与群智感知等,都是雾环境下车联网群智感知中亟待解决的关键技术难点。基于此,本文主要对雾环境下安全高效的车联网群智感知技术进行研究,主要研究内容包括以下两个方面:首先,提出了一种雾环境下隐私安全的车联网群智感知信任管理方案。该方案利用SHE加密算法使得感知数据在传输、聚合中始终以密文形式存在,借助于SHE同态加密的特性,雾节点与云服务器可以直接对密文进行聚合操作并最终计算感知结果;通过可随机化签名技术实现了参与任务车辆的隐私保护;同时,通过构建信任管理机制对恶意节点数据进行筛查,确保了感知结果的精确性。性能分析与仿真结果表明,该方案具有较好的安全与隐私保护能力,可以有效抵御数据分析、内外串通、恶意传感、On-off、隐私窃取等攻击类型,即使在存在恶意节点的情况下,仍能够有效提高车辆群智感知结果的精确性。其次,以交通事故取证为应用场景,提出了一种面向雾环境下车联网群智感知过程的隐私安全的激励机制。该机制根据车辆提供信息的质量,在保证车辆隐私性的前提下,向车辆提供奖励,进而激发车辆参与群智感知的积极性。其中,车辆使用假名而不是真实身份进行数据传输,雾节点与云服务器可以在不暴露车辆真实身份的情况下对车辆使用的假名进行有效性验证。同时,通过利用基于秘密通信的假名交换机制使得车辆以安全的方式进行假名交换,有效地抵御了跟踪攻击,进一步提高了车辆的隐私性。性能分析表明,在整个交通事故取证以及激励过程中,该方案都可以较好的实现车辆的隐私性,并且能够有效抵御身份伪造、位置隐私窃取、重复兑换奖励等攻击类型。