近些年由于物联网技术的飞速发展以及越来越多的移动智能设备出现在人们的视野中,移动群智感知作为一种能够聚集大规模、分布式移动用户进行数据收集的范例正在逐渐兴起。移动群智感知可以激励并招募大规模移动用户执行感知活动,使移动用户利用其自身配备的移动智能设备执行大规模的数据收集任务,进而使参与到感知活动中的用户形成一个规模巨大的移动感知网络,最终能够确保平台或任务发布者可以获取较高质量的感知数据。以往传统的数据收集方式是在固定地点或特定区域部署传感器进行数据的收集工作,然而这种传统方式的弊端是设备部署成本较高、收集数据范围较小、收集数据质量较差。移动群智感知则可以有效避免上述问题并达到良好的收集数据效果,因此如今移动群智感知在道路拥塞控制、温度湿度检测等领域被广泛使用。在执行感知任务中或者执行感知任务后进行感知数据上传时,用户可能会在不经意间暴露自己当前所在的位置,同时任务发布者也不希望待执行的任务位置信息被泄露给其他不相关的用户或个体。同时整个收集数据的过程不仅要汇聚到平台,还要经过许多雾节点进行数据处理和传输,并且用户由于多种原因可能也无法长时间与平台保持连接状态,这些情况都可能导致平台无法准确的选择用户去执行感知任务。所以在平台招募用户执行感知任务的时候,如何能够保护用户和任务发布者的隐私信息不被泄露,以及在一种在线场景下如何能够招募一组合适的用户来执行感知任务都已经成为平台无法回避的关键问题。为解决上述问题,本文针对用户和任务发布者的隐私泄露的问题以及平台如何在在线场景中进行用户招募的问题进行深入研究,提出了一种双边隐私保护下的在线用户招募方法,具体内容如下:任务发布者在发布任务位置信息以及用户在上传当前所处的位置信息的时候,利用多秘密共享的方法构建一种双边隐私保护框架。在该框架下能够保证相关的私密信息不会被暴露给其他不相关的个体。同时由于平台无法在用户还没有连接到平台时就提前掌握每个用户的信息,并且用户可能随时连接平台或者随时切断连接。因此平台需要对每一个连接到平台的用户立刻做出是否选择的决定,并且需要在不确定选择当前用户执行感知任务后的具体效用的情况下给出相应的薪酬。针对上述问题,本文根据反向拍卖框架来模拟平台与用户之间的交互,并在本文所提出的双边隐私保护框架下设计了一种适用于在线场景的用户招募方法。该方法包括两个部分,分别是获胜者选择策略和薪酬确定策略。针对上述框架以及方法,均给出了理论性证明进行分析。通过在三个数据集的GPS轨迹数据进行仿真模拟实验,从实验结果可以看出,本文提出的方法与其他基线方法相比,在最大化所有任务的总完成概率方面有良好的效果,同时满足真实性,个体理性,计算效率以及良好预算利用率。