随着智能设备的普及以及其感知能力的增强,群智感知这一新型感知模式应运而生。群智感知是指将人们手中的智能设备当作感知节点,通过招募用户并组成感知网络,进而执行感知任务,因此在感知范围、感知成本以及感知综合性上具有巨大的优势。近些年,虽然研究者在群智感知领域开展了大量的研究工作,然而现有工作依然面临着一些挑战:如何基于用户的群体性和社交性,设计激励机制从而降低成本;如何在感知数据存在关联时,保护用户的隐私;如何在异构的感知任务下,保证群智感知的数据质量。本文针对于这些研究挑战,结合国内外研究现状,从激励机制设计的角度,在恶意用户检测、隐私保护、数据质量保证以及反无人机方面开展研究。本文的主要工作如下:1.针对大规模社交网络中的恶意用户检测问题,本文提出了一种基于群智感知的高效、低成本的恶意用户检测方式,并设计了一种激励机制:根据系统方对用户偏好信息的掌握情况,本文考虑了完全信息场景和部分信息场景,并分别设计了激励机制;特别地,当用户的偏好服从高斯分布时,本文利用高斯分布的性质,将非凸的激励机制设计问题转化为凸问题从而进行有效求解。所设计的激励机制可以在保证用户参与的同时,最小化激励成本。2.针对群智感知中的用户隐私保护问题,本文提出了一种面向用户隐私保护的激励机制:本文考虑了用户的数据存在一定的关联性,利用高斯马尔可夫随机场理论对用户数据中的关联结构进行建模,并用互信息来量化用户的隐私损失;本文推导出了用户数据扰动程度的纳什均衡与感知平台的激励机制之间的关系,提出了一种联合优化算法,来平衡感知平台的数据准确性和用户的隐私保护程度;此外,为了避免用户上报虚假的数据扰动程度来骗取奖励,本文进一步挖掘了用户数据之间的关联性,并提出了一种具有诚实性的激励机制。所提出的激励机制可以在保护用户隐私的同时优化感知平台的数据准确性。3.针对群智感知中的数据质量问题,本文提出了一种面向数据质量保证的激励机制:本文考虑了异构的感知任务以及用户的社交关系对其感知成本的影响,研究了如何通过激励机制设计来优化感知质量和激励成本;本文分别在完全信息场景、部分信息场景和动态社交影响力场景下,提出了最优的激励机制设计方案。具体而言,在完全信息场景中,本文通过将任务分配转化为二部图最大加权匹配问题,将用户招募转化为图的加权最大割问题,从而对激励机制设计问题进行有效求解;在部分信息场景中,本文通过对等预测,克服了信息不对称性;在动态社交影响力场景下,本文提出了一种局部最优的额外奖励设计方案,以进一步节省激励成本。所提出的激励机制可以联合优化感知质量和激励成本。4.针对群智感知在反无人机系统中的应用,本文提出了一种经济高效的反无人机系统:利用无人机的信标帧特点以及无人机与普通接入点在移动性上的差别,本文提出了一种高效的小型无人机检测算法;为了保证用户参与,本文设计了一种基于在线拍卖的激励机制;本文分别基于Android系统和SSM框架搭建了客户端和感知平台。该系统可以有效地对小型无人机的进行检测与定位,且适用于多无人机场景;所提出的激励机制可以满足诚实性、预算可行性等性质。