随着物联网的发展,越来越多的设备将会接入到物联网中,海量的数据也会随之产生,将会需求巨大计算资源、存储空间和通信带宽。同时,实时性的要求也越来愈高。传统云计算框架已渐渐无法满足这些需求。作为云计算的扩展,雾计算被引入。雾计算部署在网络的边缘,接近于物联网设备和用户,能够有效减少云端的压力和实现更低的通信消耗。现有的大多数物联网应用为实现实时的监控和智能控制,需要云端的控制中心不断地从底层的物联网设备收集数据来进行计算和分析等操作,这些数据中常常含有一些隐私信息。如何能够在不泄露隐私的情况下进行安全的数据聚合成为了一个挑战。然而,由于存在容错处理、只支持单一的求和聚合以及差分隐私等一些问题,现有的隐私保护数据聚合方案还不能很好的应用在实际场景中。针对上述的物联网应用中数据聚合所面临的问题,本文的主要工作如下:（1）提出了一个在基于雾计算的智能电网中的高效的隐私保护数据聚合方案。首先基于雾计算提出了云-雾-智能电表的三层网络架构,通过引入雾计算,让聚合操作在雾节点提前进行,有效的减少了云端控制中心的计算压力以及通信消耗。然后通过使用加性的El Gamal同态加密对智能电表统计的电量数据进行加密,相比于现有大多数方案中采用的Paillier算法,具有更高的加密和聚合效率。同时,使用消息认证码（MAC）技术来保证数据的完整性和身份来源的确认,能够成功抵御虚假数据注入攻击和重放攻击。并且,本方案是容错的,即使一些智能电表出现故障无法发送电量数据到雾节点,雾节点和控制中心也能成功地对其余正常工作所提交的电量数据进行聚合和统计。接着,通过在智能电表处添加噪声来实现差分隐私,能够成功抵御敌手的差分攻击。最后,通过仿真实验表明相比于现有的聚合方案,本方案能够满足安全和隐私需求,并且降低了计算消耗和通信开销。（2）提出了一个在基于雾计算的工业物联网中支持多种函数隐私保护的数据聚合方案。已有的大多数方案只能够计算求和,而无法实现像方差和内积等一些常见的聚合函数。在本方案中实现了多种聚合函数。首先,引入雾计算,提出分层的网络框架。然后使用BGV同态加密能够让雾节点在不泄露隐私的前提下同时计算多种聚合函数,如均值、方差和单因素ANOVA等。同时也使用到了消息认证码来保证聚合方案的安全性。最后通过仿真实验表明本方案具有更小的计算开销。