随着MEMS、移动计算、无线通信等关键技术的不断成熟与发展,作为一种新型的网络感知范式,人本感知网络已被普遍认为具有广阔的发展空间与应用前景。然而,由于人本感知网络所具有的动态性、脆弱性等特点,许多传统的数据隐私保护措施不再适用。因此,针对用户实际需求,设计适合人本感知网络的隐私数据保护机制是一个重要而具有挑战性的课题。本文针对当前人本感知网络数据隐私保护技术研究的不足,从数据传输、数据融合和数据查询三个方面对人本感知网络的隐私保护技术进行研究。主要工作包括以下三个方面:第一、在数据传输隐私保护方面,本文设计实现了一种面向感知数据传输的隐私保护机制PPSense。在该机制中我们设计并实现了基于基站的属性基加密算法保证了节点强移动特性下加解密算法的有效性,并通过假名技术实现了用户身份与数据存储的隔离,从而弥补了服务器为不可信第三方的不足。通过理论分析和模拟实验表明,本机制达到了较好的性能和安全性需求。第二、在数据融合隐私保护方面,本文设计实现了一种面向感知数据融合的隐私保护机制PDA。在该机制中我们通过优化安全多项式设计,利用同态加密解决了融合操作有限和安全性的矛盾性,并通过秘密共享机制有效提高容错能力。通过理论分析和模拟实验表明,本机制达到了较好的性能和安全性需求。第三、在数据查询隐私保护方面,本文设计实现了一种抵抗语义位置攻击的隐私保护机制SPS。该机制以Sens Flow算法为基础,利用层次分析法支持用户对隐私敏感极限值自主计算,并通过基于历史的统计学习实现用户对隐匿空间自主选择。通过理论分析及实验结果表明,该机制能在合理的时空消耗下对用户位置隐私数据进行有效保护。