近年来,随着传感器、通信等技术的发展,移动设备具备了越来越强的数据收集和计算能力,在这种背景下移动群智感知受到了广泛关注。不同于传统物联网使用专门部署的传感器收集数据,移动群智感知是将感知任务众包给持有智能移动设备的参与者,利用设备中的传感器完成感知数据收集。与传统的物联网相比,移动群智感知具备较低的感知成本低、灵活的感知方法、更大的感知范围和更加丰富的感知数据类型等优势。移动群智感知的正常运行依赖于足够数量的用户提供可靠的感知数据,因此鼓励用户积极参与感知任务,以及合理评估用户数据质量就显得尤为重要。同时,用户上传的数据不可避免地会涉及到用户数据隐私,故在设计移动群智感知网络时也需要考虑到对用户隐私的保护。为此,本文提出了一种隐私保护的激励机制模型,主要的研究和工作如下:（1）对安全真值发现算法进行了研究。不同传感器对同一感知对象的数据收集可能存在冲突,而真值发现算法可以从多种来源的冲突数据中计算得到感知对象的地面真值以及用户数据权重。其中地面真值可以作为感知任务的结果,用户数据权用来评估用户提交数据的质量,实现移动群智感知的核心功能。本文提出了一种基于双重掩蔽聚合方法的安全真值发现算法,使用加密感知数据进行计算,能在保护用户数据隐私情况下得到计算结果,并且允许一定数量的用户退出。（2）提出了一种感知数据合格性评估方法。为了防止恶意用户上传偏差较大的错误数据,影响真值发现计算结果的准确性,本文提出在真值发现算法之前设计数据合格性评估方法,该方法基于安全多方计算思想设计,在发布感知任务时,为感知数据设置合格区间,感知平台可以在不知道用户具体感知数据的情况下,判断用户数据是否在合格区间内,从而预先剔除偏差较大的数据,提高真值发现算法使用数据的数据质量。（3）设计了一种隐私保护激励机制模型。在数据合格性评估和安全真值发现的基础上,对激励机制模型进行构建,实现了任务发布、用户招募、任务执行、数据合格性判断、任务结果和数据质量计算以及用户奖励分配的整体流程。能够在保护用户隐私的情况下,利用用户数据质量进行有区分度的奖励分配,鼓励高质量用户积极参与感知任务。（4）提出了一种基于数据质量的惩罚算法。为防止偏差较大的不合格数据占用服务器计算开销,本文基于信誉度设计了一种用户惩罚算法。若用户信誉度低于系统设置的警告阈值,则不发放本轮任务奖励。若信誉度继续下降至淘汰阈值以下,则不允许其参与后续感知任务。