移动群智感知（Mobile Crowd Sensing,MCS）作为物联网实现全面感知的重要组成部分,提供了一种全新的感知模式。MCS的一个重要特点是“以人为中心”,借助移动用户的各种智能设备,通过移动互联网络进行协作,实现感知任务分发和感知数据收集与分析,最终完成大规模的、复杂的泛在感知并提供丰富的应用。目前,MCS在社会服务、城市管理、环境监测、医疗健康等领域有诸多应用。然而当用户参与感知任务时,感知数据的采集、传输与评价使用户的隐私信息面临泄露的风险,因此如何有效保护用户隐私信息是MCS面临的一个重要问题。由于MCS网络的时空和资源限制特性,隐私保护问题面临着一系列挑战:首先,数据加扰的差分隐私保护方法由于噪音的加入容易造成信息缺损,出现数据失真,且数据加扰和恢复过程具有较高的计算复杂度。事实上,感知数据中隐私信息很少,如果将整个感知数据进行加扰,容易造成信息误差,同时影响MCS系统的运行效率。其次,传统加密方法过于复杂,加密时间过长往往会影响用户的体验质量。另外在激励机制中隐私暴露的存在直接影响用户参与任务的积极性,目前缺乏隐私保护与激励机制的有效结合。再次,混沌感知位置方法中隐藏用户感知位置的区域过于简单和规则,攻击者容易从历史数据中推断出用户的隐私信息。最后,由于对感知数据进行评价,需要假设一个完全可信的感知平台,使得用户的隐私信息完全披露于感知平台。另外由于感知任务主要通过移动终端完成,隐私保护方法的计算开销、存储开销和实时性方面还有待进一步提高。针对上述隐私保护面临的问题,本文进行了深入研究,取得了如下研究成果:（1）为了解决由于数据加扰引起的失真,通过将隐私信息提取并隐藏在掩蔽载体中,提出了一种基于人工免疫计算的隐私保护方法。首先设计了一种基于高通滤波器组的载体预处理方法,将提取的滤波器残差进行聚合形成扰动的候选位置。然后提出了一种基于多目标优化的载体隐写算法,通过人工免疫算法,将多目标优化问题转化为抗原,将扰动位置转化为抗体,通过特征提取和自适应进化算子迭代搜索适应度较高的抗体。最后采用改进强度的Pareto进化算法（SPEA2）求解子代种群的最优扰动。实验结果表明,所提出的算法能够抵抗恶意攻击者隐写分析工具的攻击,避免了对感知数据的加扰,并实现了隐私信息的实时处理。（2）为了提高隐私信息加密的效率,并实现激励机制与隐私保护的有效结合,提出了一种具有激励机制的隐私保护方法。该方法首先设计了一种两阶段逆向拍卖的方法来选择赢家,克服了离线激励机制和在线激励机制的缺点。然后将隐私保护和激励机制进行有效结合,采用一种效率更高的轻量级加密方案,并结合数字签名和令牌认证建立隐私保护模型,在参与感知任务的过程中保护了用户的隐私,防止由匿名方法引起的女巫（Sybil）攻击。最后提出了一种好评+差评的方法评价参与者声誉,该方法相对于使用单一声誉值评价用户更加全面。实验分析表明所提方法在多个性能方面均优于对比算法,用户的隐私信息获得了有效保护。（3）为了防止攻击者从混沌区域中推断出用户的感知位置,提出了一种基于Voronoi单元位置隐藏的隐私保护方法。该方法中首先用户根据自己的活动范围和感知区域阈值构建一个不规则的Voronoi单元,从而将自己的感知位置隐藏在一个不规则区域。为了进一步保护隐私,用户通过单跳或者多跳的方式广播请求,联合其他用户建立混沌区域。该方法利用分布式机制广播请求,并通过缓存联系人列表实现用户之间的通信。此外,我们为每一个混沌区域选择一个中心节点,通过中心节点回收数据并与感知平台进行数据交互,以减少通信开销,防止了混沌区域内部敌手的攻击。实验结果表明该方法具有较好的隐私保护效果和较低的网络开销。（4）为了进一步提高隐私保护方法的有效性和效率,弱化第三方服务器的中心位置,提出了一种基于逆向茫然传输的云辅助隐私保护方法。首先基于Diffie-Hellman假设构造了一种高效实用的逆向茫然传输协议。在所提出的协议中,将感知数据嵌入到多项式系数中,发送方仅需将一组加密多项式系数分别发送给云服务器和接收方,接收方计算部分系数的中间结果发送给云服务器,云服务器无需解密感知数据即可计算感知报告的质量,将计算结果发送给接收方。然后,证明了所提协议的正确性,给出了基于理想/现实模拟范式的协议安全性形式化证明以及所提协议与现有几种类似协议的效率比较,并证明了协议达到质量-隐私权衡的最优性。综上所述,本文针对隐私保护提出一些新模型和新方法,通过理论分析证明和实验数据分析验证了所提方法的可行性和有效性,为MCS网络的广泛应用提供了重要的理论和技术支撑,也为其他移动无线网络的研究提供了新思路。