作为一种新型的参与式感知模式,移动群智感知利用移动智能设备采集数据,以此来完成大规模且复杂的感知任务。在参与感知任务的过程中,移动用户不可避免地需要消耗一定的设备资源。因此,理性的用户不愿意无偿地加入感知任务。此外,感知数据也会直接或间接地泄漏用户的隐私信息,降低用户参与的积极性。因此,激励机制与隐私保护的有效结合对于移动群智感知的推广至关重要。本文的主要工作包括以下三个方面:(1)在分析了移动用户和任务平台之间的竞争合作关系的基础上,定义了移动群智感知网络的感知模型,并设计了基于隐私保护的激励框架。该框架引入了可信第三方机构,承担重要角色:仲裁机构,保证竞拍公正性;信誉中心,保证激励机制有效性;追责中心,联合任务平台追责恶意用户;中间代理人,消除用户与感知数据关联性。(2)在隐私保护方面,结合数据类型和攻击源,本文提出了一种数据关联性威胁模型,并设计了用户匿名的感知任务工作流程。安全性功能分析表明:第三方机构和部分盲签名等数据加密技术的有机结合可以较好地降低用户与数据之间的关联性,减少用户与任务平台的交互次数,提高用户隐私安全级别。(3)在用户激励方面,本文提出了一种基于信誉度的激励机制。该机制分为两个阶段:在用户资格评定阶段,考虑了影响数据质量的主客观因素,设计了数据质量相关度、用户信誉度、用户位置相关度以及用户效用值的定义和计算方法;在用户动态筛选阶段,权衡了用户效用值与竞拍价格之间的矛盾,提出了一种基于信誉度的动态筛选算法以优化平台效益,并设计了用户报酬计算方法。基于大规模真实数据集,本文开展了一系列仿真实验对所提出的方案的有效性进行验证。实验结果表明:本文提出的激励机制具有较高的时间效率和稳定性,可以灵活地适应于任务预算、预期质量以及数据分布需求不同的感知任务。特别地,本文提出的激励机制还可以有效地降低系统中低信誉用户比例。