移动群智感知(Mobile Crowd Sensing,MCS)以用户携带的移动终端设备为感知个体,依靠数量众多的用户形成一种新型的感知网络,从而完成许多需要大规模用户的复杂感知任务。这些携带各种智能传感器的感知用户将收集到的感知数据上传到感知平台中,平台结合数据分析和挖掘等技术提取有利价值。尽管群智感知依靠数量众多的用户以快速、简便且经济高效的方式收集大量的数据来解决大规模的社会问题,但是用户在任务分配与数据报告过程中,个人信息容易遭受攻击。如果没有适当的隐私保护机制,许多用户将不愿意参与数据收集过程。因此,设计有效的隐私保护机制十分重要。首先,本文介绍了群智感知网络的研究背景和系统架构,对群智感知网络的特点以及研究热点进行概述,分析了群智感知网络中隐私保护的特点,详细地讨论了任务分配和数据报告过程中的隐私保护问题面临的挑战,并介绍了典型的群智感知隐私保护方法。其次,本文针对群智感知网络中任务匹配以及用户的隐私保护问题,提出了一种基于用户属性感知的任务分配与隐私保护协同机制。首先,根据感知用户固有属性以及历史任务参与记录,挖掘用户对任务的不同偏好、意愿和访问等来预测出用户的静态属性和社会属性;然后,结合用户属性作为输入,使用BP(Back Propagation,BP)神经网络对用户服务能力进行分析,实现任务与用户的优化分配;最后,感知用户生成假名参与感知任务,结合环签名对用户属性生成随机数进行属性加密,确保感知用户在隐私安全的前提下,提升平台感知数据的准确程度。仿真结果表明,所提机制能够有效地选择出感知用户,验证了用户上传数据的可用性,保护了用户的身份安全。然后,本文针对感知平台处理大量用户信息导致的高时延、高带宽成本和泄露用户信息的问题,提出一种基于边缘服务器的任务属性隐私用户匹配方案。首先,任务请求者将任务要求发送到感知平台,感知平台标量任务属性后发布任务。然后,感知用户根据任务属性生成用户任务属性上传到边缘服务器中。其次,边缘服务器对用户任务属性进行聚类分组,以边缘服务器为群管理对用户组引入群签名上传到感知平台中。最后,感知平台在用户组签名条件下,高效地进行属性相似度计算,择优选择出参与用户集,返回结果给边缘服务器,边缘服务器对签名验证通知真实用户上传感知数据。仿真结果表明,所提机制能够安全的选择感知用户,降低了网络时延。最后对本文工作进行总结,并对今后的工作计划进行展望。