随着车载终端的飞速发展,车辆在采集和处理数据的能力得到了大幅度的提升,使得众包这种新兴的应用模式在车联网中逐渐流行起来。在车联网众包应用中,车辆不仅能够参与众包任务,为采集服务数据作出贡献,也能够按需地发起数据请求,获得服务数据。然而,在数据采集/请求时出现的隐私泄露风险,严重阻碍了车联网众包的广泛应用。车辆用户在数据采集/请求时,一般包含了用户相关的隐私信息,如身份、位置、查询内容等信息。而隐私信息的泄露会使得攻击者很容易推断出车辆用户的行为模式、获取用户的真实意图。因此,隐私的泄露导致车辆用户体验不佳,降低车辆用户对众包应用的参与度。为了解决车联网众包应用的隐私问题,本文首先建立相应的数据传输模型及攻击模型,然后提出了相应的隐私保护方案,主要的研究内容如下所示:（1）针对车辆用户在众包应用中采集数据与请求数据的场景,建立两种数据传输模型,即数据收集模型以及数据请求模型。分析两种模型运行过程中涉及到的相关隐私问题,进而提出对应的攻击模型。（2）针对数据收集场景下的用户身份和位置隐私泄露问题,本文提出了基于数据聚合和批量认证的隐私保护方案。首先,为了保证数据的私密性和可用性,本文选择同态加密算法进行加密处理;然后利用同态加密的性质,对加密数据进行聚合操作以有效降低路边单元的计算和通信开销。另外,对于数据交互实体间的认证,该方案采取双线性配对技术实现了身份的批量认证,降低了认证开销。最后通过仿真验证了该方案能够保护车辆用户采集数据时的身份和位置隐私信息。（3）针对数据请求场景下的用户位置和查询内容的隐私泄露问题,本文提出了基于差分隐私和兴趣点泛化的隐私保护方案。该方案首先对用户位置进行满足差分隐私的随机扰动,实现位置隐私保护与服务质量之间的均衡;同时使用泛化的方式模糊用户查询的兴趣点内容,保证用户的查询内容隐私。最后通过仿真验证了该方案能够保护车辆用户请求数据时的位置和查询内容隐私。