物联网发展已经上升到国家战略,移动群智感知作为一种全新的物联网感知模式,即通过大量具备感知能力的移动智能感知终端协同完成某一智慧型泛在深度社会感知任务,得到迅速发展,为泛在深度社会感知提供全新的信息服务模式。然而,感知用户在感知任务执行过程中,面临着各种各样的用户身份和数据隐私泄露风险,严重危害感知用户身份信息和数据的安全。因此,如何保护感知用户在任务执行过程中的身份和数据隐私信息,是当前科研人员的研究热点之一。本论文对此进行了深入研究,主要创新工作如下:针对移动群智感知网络中攻击者可利用感知用户间的社交关联信息以及感知用户身份信息与感知数据的关联性重构感知用户间的社交圈,进一步攻击用户社交团体这一问题,提出一种基于雾节点协作的用户身份隐私保护方案。首先,创建任务分配中心（TC）和数据中心（DC）,并由位于终端边缘的2个雾节点承载,分别处理感知任务的合理分配问题和感知数据的聚合计算问题;然后,通过差分隐私加噪干扰防御攻击者获取感知用户间具体的社交关联权重;最后,感知用户使用不同的盲身份分别与TC和DC通信,防止攻击者同时获取感知用户的身份信息和感知数据。安全分析表明,所提方案可以确保感知用户在完成感知任务过程中身份隐私信息的安全。实验结果显示,所提方案可以有效保护感知用户间的社交关联信息,且具有较低的时延。针对移动群智感知中用户数据隐私保护与任务数据实用性需求之间的平衡问题,结合层次分析法、布隆过滤器、二元混淆向量内积协议和差分隐私,提出一种基于用户属性偏好和任务属性需求偏好匹配的轻量级隐私保护方案。首先,引入雾节点对感知任务进行子任务划分,通过层次分析法选择最优子任务集并发布,根据任务属性需求偏好构建任务布隆过滤器,感知用户基于意愿属性偏好构建用户布隆过滤器,通过计算二者的二元混淆向量内积进行目标用户的筛选;其次,感知用户基于自身偏好和数据关联性对敏感数据进行本地化局部差分隐私保护;最后,雾节点对感知数据进行质量评估并结合二元混淆向量内积定义感知用户的任务贡献,从而有效防御恶意用户提交虚假数据或添加较大的数据扰动。安全分析表明,所提方案在雾节点半可信的情况下仍然安全;实验结果表明,所提方案具有实用性,且与典型代表方案相比,计算效率得到明显提升。