移动群体感知是一种新兴的分布式感知数据收集范例,它通过移动互联网进行协作,在云端实现感知任务的分发与感知数据的收集利用,从而以群体协作的形式来完成大规模、复杂的数据感知任务。由于感知任务和感知用户的数量庞大且持续不断增加,为移动群体感知平台提供任务检索的任务匹配服务就显得尤其重要。在目前的研究中,进行任务匹配需要通过任务需求和用户属性来建立感知用户与任务之间的关联。然而,任务需求和感知用户属性都属于个人敏感信息,一旦匹配的信息泄露会严重威胁用户的隐私。此外,参与感知任务的过程中感知用户会因为利益关系存在一些自私或恶意的行为,这些行为将直接影响感知数据的质量,进而导致感知任务结果不可信。因此,设计出隐私保护且具备恶意行为预防能力的任务匹配系统是目前移动群体感知应用发展面临的挑战。针对上述问题,本文探索了移动群体感知中安全有效且保护隐私的任务匹配方法,做了以下工作:1.本文首先分析了任务匹配过程中存在的隐私泄露问题和实用性问题,介绍了本文隐私保护任务匹配方案的系统架构和面临的威胁,并针对方案的威胁模型详细定义一组的系统需求。2.本文基于可搜索加密技术构造了一个双向隐私保护的任务匹配方案,在不泄露感知用户和感知任务敏感信息的前提下,提供可靠的任务发布和准确的任务检索功能。3.本文考虑感知用户可能存在的重复数据上传行为和错误数据上传行为,提出一个改进的群签名方案,实现了对感知用户的匿名身份认证同时保证了签名的不可链接性,通过生成感知用户和感知任务绑定信息的方法,有效地预防重复数据上传的自私行为并实现对错误数据来源的追责。4.为了验证上述提出的方案的有效性和正确性,本文实现了一个原型系统,从理论分析和实际开销两个方面进行了详细的对比实验和性能测试,以及针对方案的隐私特性进行了安全性的证明,实验结果表明本研究方案的开销具有优势,隐私特性更完善,能够在真实移动群体感知应用场景下保护隐私。