近年来，5G通信网络的高速发展与嵌入式传感器计算能力的飞速提升，使得用户移动智能设备的感知与计算能力得到空前的发展. 2023年3月，第51次《中国互联网络发展状况统计报告》^[1]中指出，截至2022年12月，我国移动网络的终端连接总数已达35.28亿户，移动物联网连接数达到18.45亿户，移动终端市场规模极其庞大. 以大规模移动用户为基础的“移动群智感知（mobile crowdsensing, MCS）”模式将为实现物联网全面感知带来更广泛、更丰富、更及时的数据来源，为物联网环境下的智能搜索能力提供更大的提升空间.

与传统固定部署传感网的感知模式相比，移动群智感知模式具有更强的感知能力、更低的部署成本与更高的用户参与比重，可以大大降低数据采集成本，满足物联网全面感知的基本特征需求. 在移动群智感知模式下，数据来源是“人”，即通过人佩戴的智能设备移动到感知任务的位置，实现数据采集；关键是“数据处理”^[2]，即在感知任务周期内，平台通过收集到的大量用户，筛选高质量用户数据并提供奖励，确保移动群智感知模式的高效性. 然而，由于参与用户隐私敏感性、数据质量不可预测性与趋利性，移动群智感知数据处理研究在参与用户数据隐私保护、数据质量评估、参与用户招募等方面都面临着严重的挑战.

区块链技术的出现为解决上述问题提供了新的途径. 区块链是一种融合多种现有技术的新型分布式计算和存储范式，可以在无需依赖可信第三方的分布式系统中实现高效数据管理，消除对集中式控制实体的需求，避免中央节点的性能瓶颈. 其次，加密机制（例如非对称加密算法、数字签名、哈希函数）保证了数据块的完整性与安全性. 同时，运用区块链技术的智能合约与共识机制之类的特性使得保存在区块链中的每笔数据本质上是不可变的，保障了数据的安全可信，实现了对数据质量评估与激励机制设计. 因此，将区块链技术应用于移动群智感知数据处理平台建设与关键技术研究中，可以实现分布式管理、保障用户数据安全、提升数据质量评估准确性、激励高质量用户参与，最终提升移动群智感知模式的广泛应用.

近年来，已有部分研究讨论移动群智感知与区块链技术融合的综述性文章，主要针对安全和隐私漏洞保护方面，例如，Ma等^[3-4]深入总结与分析两者融合在安全和隐私漏洞保护方面的优势并对未来的研究提出展望. 但是，移动群智感知与区块链技术的融合不应局限于上述2个方面，数据质量评估与激励机制设计方面的数据处理关键技术同样值得关注.

本研究在分析已有研究成果的基础上，设计了基于区块链的移动群智感知体系结构，重点对近3 a基于区块链的隐私保护、数据质量评估与激励机制等关键数据处理技术的优缺点进行了广泛调研与梳理，总结现有工作进展，为后续进一步的研究指明了方向. 本研究的主要贡献如下：1）分析移动群智感知与区块链技术的发展历程与现状，总结移动群智感知数据处理面临的挑战，明确区块链技术的优势. 2）分析基于区块链的移动群智感知数据处理优点，设计基于区块链的移动群智感知架构. 3）深入调研近3 a国内外基于区块链的移动群智感知数据处理相关的研究文献，从隐私保护、数据质量评估、激励机制3个维度对比分析数据处理关键技术研究现状，指出这3方面的研究工作尚存在的不足. 4）结合现有研究工作的不足，分析基于区块链的移动群智感知数据处理研究的挑战与机遇，并给出未来的研究方向，包括计算资源成本控制、大规模数据分析效率提升、差异化与全周期的隐私保护以及新型融合模式应用.

移动群智感知是由众包（crowdsourcing）、参与式感知（participatory sensing）、计算机社会学等相关概念发展而来，2011年Ganti等^[5]首次提出“移动群智感知”的概念，中国国内则于2012年由清华大学刘云浩教授首次阐述了群智感知^[6]的定义，随后，Guo等^[7]在其论文中正式给出了移动群智感知的形式化定义与框架. 国外高校如美国加州大学洛杉矶分校、麻省理工学院、普林斯顿大学、IBM研究院、新加坡南洋理工大学等纷纷发表了该领域的科研成果. 我国虽然起步较晚，但同样关注该领域的研究与发展，清华大学、北京邮电大学、西北工业大学等都开展了关于群智感知相关技术的探索，并取得了卓越的成果. 其中，西北工业大学在2019年微软学术公布的群智感知科研机构排名中位于全球第一，在全球率先发布具有通用性的群智感知操作系统平台——CrowdOS^[8]，并在2022年启动了第2届CrowdOS移动开源创新大赛.

移动群智感知系统主要由感知用户、感知数据处理平台和任务发布者3部分组成. 其关系如下：任务发布者在感知数据处理平台中发布不同的任务与需求；感知数据处理平台在收到相关信息后向已注册用户进行任务发布；用户在收到信息发布后，根据自身状态与需求利用移动感知设备实现数据采集并将数据进行上传；感知数据处理平台为用户上传数据提供隐私保护，并从中筛选高质量的数据反馈给任务发布者，并向选中用户提供相应的补偿；任务发布者在收到用户数据后进行价值挖掘，最终为用户提供智慧城市管理、环境污染监测、协同计算等服务.

移动群智感知具有服务范围广、数据规模大、适用性强的特点，并在环境监测^[9]、智能交通^[10]和社交领域^[11]取得了广泛应用. 但是，其数据处理的平台设计与关键技术依然面临着各种挑战. 具体表现如下.

1）低效数据处理平台. 现有移动群智感知处理平台架构多采用集中式数据处理模式，在面对大规模用户数据会存在效率低下、时延增加的问题，难以准确挖掘数据价值. 此外，集中式数据处理模式通常依赖于可靠的感知平台，在利益的驱动下，感知平台中心很容易成为各种攻击的目标.

2）多漏洞隐私安全保护. 现有的隐私保护方案主要通过多种匿名与加密手段保障用户数据安全. 参与双方的加（解）密和签名操作过程须进行分离并保存大量的秘钥，导致存储需求较大、计算效率低下与安全响应时间增加. 此外，敏感数据处理的不透明操作与攻击溯源的缺失进一步制约了隐私安全保护的效果.

3）低准确数据质量评估. 用户的数据质量会因自身设备的能量级别、位置、通信状况等发生变化，导致数据质量评估准确性低，异常用户的存在会加剧数据质量评估的困难. 此外，参与用户数据质量很大程度上取决于用户声誉，引入的声誉评估机制在评估用户历史声誉时存在困难，进一步降低了用户评估的准确性.

4）低可信激励机制设计. 现有的激励机制往往依赖于可信中心，但可信中心因其易受攻击、管控不透明的特征而存在信任缺失与交易成本增加的问题. 此外，交易双方可能在不支付服务费用的情况下消失或拒绝提供已支付费用的服务，这将进一步阻碍激励机制的实用性.

区块链是密码学、P2P网络、共识算法以及智能合约等多种技术的集成，最初源于比特币，是众多数字货币的核心支撑技术，目的是在无可信中心机构以及信息不对称、不确定的情况下，构建一种“信任”的生态体系. 比特币的诞生是区块链1.0时代到来的标志. 此阶段用户大多关注价值、获取途径与交易方式，解决货币与支付的去中心化问题，但随着交易次数与规模的增长，交易速度上的不足日趋明显. 为此，区块链2.0时代应运而生，以以太坊为代表，利用以太坊区块链建立了一套更为灵活且通用的框架系统. 智能合约的概念由Nick^[12]于1994年首次提出，旨在以信息化方式传播、验证或执行合同的计算机协议，允许在无第三方的情况下进行可信交易，且交易具有可追踪与不可逆转的特性. 智能合约的出现实现了区块链应用场景从加密货币到加密资产的延伸. 联盟链的出现标志着区块链进入3.0时代，旨在解决各行各业间的相互信任与数据传输过程中的安全技术落地与实现. 如图1所示展示了区块链的发展历程.

区块链是典型的分布式账本^[13]，主要由块版本、父块哈希值、时间戳、随机哈希值、交易数量和Merkle Root共同组成. 块版本用于指示要遵循的验证规则；父块哈希值利用区块头记录区块以及父块的哈希值实现在时间上的排序；时间戳用于标识交易时间的字符序列，具备唯一性，是每一次交易记录的凭证；随机哈希值使用一个短的随机字母和数字组成的字符串来标识，具有唯一性；交易数量用于表明交易来源输入和表明交易去向输出，使得每笔交易可追溯；Merkle Root是一种二叉树，亦可称为哈希树，是高效且安全的组织数据的方法，被用来快速查询验证特定交易是否存在，由一个根节点、一组中间节点和一组叶节点组成.

区块链在资产管理^[14]、交易保障^[15]、医疗管理^[16]等众多领域取得了广泛的应用. 其主要特点如下.

1）去中心化. 区块链中链上数据的验证、核算、存储、维护和传输等管理过程均依赖分布式系统架构，利用纯数学的方法代替中心化组织机构在多个分布式节点中的认证、管辖或者干预，去除对一个中心或中介的依赖，从而降低了管理成本.

2）匿名性. 区块链利用密码学隐私保护机制，根据不同应用场景来保护交易人的各种隐私信息，例如交易身份、交易细节. 链上数据通过非对称加密技术实现数据加密，各节点通过共识算法形成算力抵御外部攻击，保障参与过程中隐私不被泄漏.

3）不可篡改性. 一方面，区块链是由连续链接的区块组成，相邻区块间后续区块可对前序区块进行验证，若篡改某一区块的信息，则该区块及所有后续区块都会失效；另一方面，每次重复计算Merkle Tree中的哈希值的代价是十分高昂的. 因此，任何伪造都会被轻易发现.

4）透明性和交易可追溯. 一方面，除交易各方的私有信息被加密外，每个链上的用户都可平等访问与验证其中的数据，确保信息的高度透明；另一方面，区块链中的每次交易都附有一个时间戳，一旦发生冲突，可通过带有相应时间戳的区块链数据，方便地追溯历史记录.

区块链技术的应用可以使移动群智感知数据处理具有去中心化数据处理平台架构，降低管理成本；高匿名性隐私保护，提升数据安全保障；真实性数据质量评估，防止数据质量篡改；可追溯激励机制，增强可信度. 与现有的移动群智感知数据处理平台设计与技术相比，具有以下优点.

1）去中心化的分布式数据处理平台架构设计. 区块链可以通过移动群智感知将数据转换和存储为区块链数据，区块链每个节点都需要按照链式结构存储完整的数据，避免了局部节点失效导致的信息丢失问题；此外，区块链的交易无需中央机构的认证，避免了中心化数据管理，防止单一记账人被控制或者被贿赂而记假账的问题. 数据可以轻松地通过不同类型的分布式网络进行连接，提升数据处理效率，降低管理成本.

2）匿名且高效的隐私保护. 移动群智感知中的用户信息可通过区块链来保护，因为数据以区块链交易的形式进行存储，区块的交易则利用多种密码学方法进行加密与数字签名；此外，通过智能合约自动更新安全保护策略，可以进一步提升系统安全性，增强隐私保护效用.

3）不可篡改的准确数据质量评估. 区块链的不可篡改性确保了移动群智感知上传数据的可靠性，保障评估结果的真实性；此外，将数据相似性匹配、声誉评估与异常识别等数据质量评估技术部署于智能合约，提升了数据质量评估的效用.

4）透明且可追溯的可信激励机制设计. 区块链数据可以随时随地进行识别和验证，链上用户具有同等权利，保障了信息的透明性. 所有存储在区块链中的历史交易都是可追踪的，在发生冲突时可以方便快捷地追溯历史记录，防止移动群智感知发布者发布虚假的激励机制，增强可信度.

基于区块链的移动群智感知架构（blockchain-based mobile crowdsensing architecture, BMCA）如图2所示. 该体系结构对传统移动群智感知系统架构进行改进，在感知数据处理平台结合区块链技术，实现去中心化数据管理、保障数据安全、提升评估准确性、增强激励可信性，并利用智能合约的智能部署提升数据处理效用. 系统的工作流程可以描述为以下步骤.

1）上传任务与报酬：任务发布者根据数据需求，将感知任务与相关报酬上传至基于区块链的数据处理平台. 其中，任务发布者的报酬信息采用区块链的形式进行存储，确保真实性.

2）任务发布：基于区块链的数据处理平台在收到任务发布者的任务请求后，将其任务需求进行划分与发布，通过开放呼叫的方式告知感知用户.

3）任务确认：用户在得到感知任务后，根据自身情况决定是否参与感知活动并向数据处理平台进行任务确认. 其中，用户通过自身携带的设备进行数据的采集，例如智能平板、智能穿戴设备、智能手机、车载传感器等.

4）隐私保护：数据处理平台根据参与用户的任务确认信息并结合区块链技术保障参与用户的隐私安全. 其中，参与用户的身份与数据信息利用区块链的哈希函数、加密机制与关联验证完成数据加密与加密后的数字签名.

5）数据上传：用户根据处理平台提供的隐私安全保护方法实现安全保障，将安全数据传输到基于区块链的数据处理平台. 其中，数据通过区块链的“链上+链下”的形式进行存储数据，实现去中心化数据管理.

6）质量评估：在保障了用户隐私安全的前提下，数据处理平台利用区块链的多种共识算法保证区块链中每一个节点之间事务记录的一致性，结合多种数据质量评估技术，包括数据相似性匹配、声誉评估与异常识别，确保数据质量评估结果的真实有效.

7）激励机制：处理平台完成数据质量评估后，通过区块链的代币分发与奖励机制，进行货币发行与分配，奖励促成分配共识的参与者. 同时，存储在链上的交易都是可追踪的，在发生冲突时可以方便快捷地追溯历史记录，防止交易冲突，增强激励机制的可信度.

8）提供奖励：基于区块链的数据处理平台对选中用户提供相应的报酬，确保用户参与的积极性.

9）数据反馈：基于区块链的数据处理平台将满足需求的用户数据反馈给任务发布者，从而任务发布者可以提供由移动群智感知大数据驱动的多种便捷服务，包括智慧医疗、智慧城市、智慧工厂、智慧教育等.

在信息时代下，数据安全问题日益受到研究者的重视. 区块链的安全匿名性特点可以为移动群智感知数据处理提供安全保障，防止用户信息的泄漏，满足移动群智感知模式的安全性需求. 根据应用数据的不同阶段，相关研究可分为4个阶段，即数据上传阶段隐私保护、结果匹配阶段隐私保护、收益分配阶段隐私保护和多阶段隐私保护.

数据上传阶段的隐私保护旨在利用区块链技术在用户上传数据前隐藏真实敏感信息，保障用户数据安全性. 这方面的研究的起步较早，取得的成果较多.

区块链部署须依赖第三方数据提供商Blockchain Oracle（BO）^[17]来触发智能合约的执行，存在隐私泄露的风险. Zhang等^[18]提出基于区块链预言机制的可信车辆群智感知隐私保护方法（privacy-preserving and reliable vehicular crowdsensing via blockchain oracle, PRVB），利用修剪后的前缀二叉树为每个用户生成一个唯一的序列号，以实现数据与相应身份之间的不可链接性，同时保护用户与BO的隐私，实现感知数据在上传阶段的安全. 为了解决安全性和效率之间的矛盾，Zou等^[19]将私有链与公共链相结合，设计了新的去中心化移动群智感知系统（CrowdHB），采用混合区块链架构，利用位置隐私保护优化机制（location privacy-preserving optimization mechanism, LPPOM）实现用户位置隐私保护，设计一致性优化方法（approach of consistency optimization, ACO）提高系统效率. 考虑到用户的身份与位置保护需要依赖可信第三方的不足，Wang等^[20]构建了基于区块链的差异化私有众包框架，将公共区块链和私有区块链相结合，设置不同的隐私保护级别，用户可以根据他们的偏好来选择不同隐私保护级别，实现用户的位置和身份隐私保护. 考虑到数据传输中极易遭受窃听、篡改的威胁，王利朋等^[21]基于椭圆曲线提出无证书签密方案，将区块链技术应用于该签密方案中，实现公钥时效管理、存储与更新，确保模块的可信性，减少计算资源的消耗，保障数据隐私安全. 针对移动群智感知设备多样性与分布广泛性的特征，Wang等^[22]提出基于区块链的混合MCS身份认证方案（hybrid blockchain-based identity authentication scheme, HBIA），采用分层认证方式，实现节点间的协作，利用混合区块链平衡区块链透明度和节点隐私之间的矛盾，确保用户身份的安全，使用零知识简洁非交互式知识论证（zk-SNARK）技术实现链下计算和链上验证，降低计算负担.

结果匹配阶段的隐私保护旨在利用区块链技术隐藏用户数据和任务需求匹配结果信息，保障任务分配与合理用户选择.

An等^[23]设计了基于区块链的隐私保护质量控制机制（blockchain-based privacy-preserving quality control mechanism, PPQC），提出轻量级的隐私保护匹配度，实现参与者属性隐私保护与用户选择，并在无任何第三方仲裁者的情况下验证结果. Guo等^[24]在区块链上构建了联盟的、保护隐私的移动群智感知平台（federated and privacy-preserving crowdsourcing platform, FedCrowd），使用智能合约作为系统发布加密任务的可信平台，使用分布式代理重加密（proxy re-encryption, PRE）方案、随机掩码加密和双线性映射技术，进行联合任务匹配，支持基于数值的范围匹配，实现隐私保护任务推荐. 在匹配阶段，为了防止数据被篡改，An等^[25]提出基于区块链的移动群智感知隐私保护节点选择方案（privacy-preserving node selection scheme, PPNS），将用户数据承诺和零知识证明写入分布式数据库，并把生成的哈希头写入块中，以确保块中的数据大小是轻量级的，防止数据被篡改和拒绝. 实验结果表明该方法在不降低结果准确性的前提下，减少了时间消耗. Zhang等^[26]利用区块链作为底层平台，将多个代理互连，形成一个松散耦合的联邦移动群智感知平台. 为了实现不同代理的安全任务匹配，使用可重写确定性哈希（rewritable deterministic hashing, RDH）技术设计联合代理之间的链上授权协议，将RDH与可搜索加密（searchable encryption, SE）结合构建加密任务索引，以便在区块链平台上有效地执行隐私保护任务匹配.

收益分配阶段的隐私保护旨在利用区块链技术在数据交易中隐藏双方真实报价信息，确保交易公平性.

为了解决交易隐私的泄漏，Li等^[27]提出细粒度证书颁发机构更新机制（fine-grained certificate authority updating mechanism, FGCA），将数字证书从用户级别细化到任务级别，以隐藏任务和用户之间的连接，让用户只公开与当前任务相关的交易历史，历史交易数据被隐藏，增强交易隐私保护. 为了满足激励机制的安全和隐私需求，降低计算开销，Lin等^[28]首先对现有基于区块链的激励机制平台进行分析，指出现有平台缺乏考虑交易隐私的保护，接着，利用zk-SNARK设计了具备激励机制与安全隐私保护的架构（secure blockchain-based crowdsourcing system, SecBCS），并在JUICE上展示了原型系统以评估其效用. 在实际应用中，Wang等^[29]将区块链技术应用于车辆能源网络（vehicular energy network, VEN）中，使用分布式账本和加密货币为电动汽车和能源节点实现安全的能源交付服务，保障交易隐私安全保护. Xie等^[30]设计了基于区块链的声誉激励群智感知框架（blockchain-based crowdsensing framework with reputation incentive, BCFR），通过基于区块链的安全数据传输方案，以安全记录无人机中的数据交易，确保数据共享的安全性并提供高质量服务.

多阶段隐私保护则将区块链技术应用于多个阶段，通过共同作用实现全方位、多角度隐私安全保护.

为了保障移动群智感知中用户在数据上传和用户选择过程中的隐私，Zou等^[31]提出基于区块链的位置隐私保护群智感知模型（blockchain-based location-privacy-preserving mobile crowdsensing system, CrowdBLPS）. 利用区块链技术的去中心化结构和共识方式，实现上传信息的不可否认性和不可篡改. 利用智能合约对预注册阶段和最终选择阶段用户数据进行优化，确保多个用户可以在相互不信任的环境中协作完成任务，选择合适用户并满足位置隐私保护的要求. 通过基于空间位置的隐私保护和贪婪算法，保护工人的位置隐私并降低任务成本. 为了保障移动群智感知中用户在数据上传和收益分配过程中的隐私，Peng等^[32]将区块链技术与可信执行环境（trusted execution environment, TEE）相结合，通过密钥签名技术验证数据完整性，并利用区块链技术获取统一共识，最终实现用户的隐私保护和精准的奖励分配. Peng等^[33]则将k-匿名方法与区块链技术相结合，采用加密技术对数据和奖励进行加密. 针对可信第三方执行参与者选择忽视位置隐私泄漏问题且难以满足用户个性化隐私保护的问题，高胜等^[34]提出基于区块链的群智感知中任务预算约束的位置隐私保护参与者选择方法（location privacy-preserving worker selection scheme under limited budget for blockchain-based crowdsensing, LPWS），利用保序加密和Merkle树来为用户提供个性化的位置隐私保护，在有限的任务预算下，选择最优用户实现报酬获取.

基于区块链的隐私保护研究在数据上传阶段、结果匹配阶段、收益分配阶段以及多阶段中都已取得了广泛的应用. 相关研究方法的总结与不足如表1所示.

由表1可知，区块链技术的去中心化特性可以克服依赖可信第三方的不足，分布式的管理、控制验证模式，可以更好地保障隐私安全，但现有研究仍存在以下不足.

1）效率与安全的失衡. 引入的区块链技术通过加密与安全技术的应用可以保障用户数据的安全，但不可避免地增加了计算资源的开销与存储空间的消耗，降低了安全保护的效用^{[20-21, 23, 33-34]}；同时，过度的隐私保护可能会导致数据可用性的降低^{[24, 27]}，不利于后续用户数据的应用.

2）链上数据的隐私泄漏. 当用户使用区块链来完成交易过程时，用户的资金情况以及交易金额这些存储在链上的隐私信息很容易泄露^{[18, 30]}. 上述多项研究表明，在用户隐私安全保护中仍须依赖一定的可信矿工且存储在链上的数据具有透明性^{[22, 28, 32]}，

3）个性化隐私安全保护研究缺失. 在不同移动群智感知场景下，用户的隐私保护意识存在差异性，例如，在热门区域购物中心，会存在众多社会服务人员，包括警察、公共车辆驾驶员，通常配备有专业的设备以提供更加准确的信息，采用高复杂度的安全保护方法将导致不必要的资源浪费；在偏远区域，由于参与用户数量少，采用简单的数据安全保护，攻击者会轻而易举地获取用户的信息，这将阻碍用户参与任务的积极性. 现有研究^[33]虽已关注到用户的个性化需求会造成隐私安全保护的差异，但研究仍处于起步阶段.

4）全周期隐私保护匮乏. 相关研究分析发现目前的隐私保护研究在数据处理的不同阶段都取得了相应的成果. 包括数据上传阶段的用户信息保护^[18-22]、数据匹配阶段的结果信息保护^[23-26]、收益分配阶段的交易信息保护^[27-30]. 然而，移动群智感知数据处理周期的各个阶段都是相互关联的，解决数据的安全隐私问题，并不只存在于各个独立的阶段.

数据质量评估对于保障数据的适用性、可信性和真实性具有重要意义. 区块链的不可篡改性特点可以为移动群智感知数据处理提供高质量用户保障，提升用户数据的效用，满足移动群智感知模式的准确性需求. 基于区块链的数据质量评估研究在近几年同样受到了高度的重视. 根据评估数据的特征，相关研究可分为3种类型，即基于相似性匹配的数据质量评估、基于声誉评估的数据质量评估和基于异常识别的数据质量评估.

基于相似性匹配的数据质量评估方法旨在将区块链技术与多种匹配方法结合，使上传数据尽可能与期望数据质量相似，保障数据的适用性，提升评估结果真实性.

为了保障上传数据的不可否认性和不可篡改，提升评估结果的真实性，An等^[35]将区块链技术引入到移动群智感知中，提出了节点匹配（method of node matching, MNM）和质量分级评估（quality grading evaluation, QGE）的方法来实现去中心化的数据质量控制. Chen等^[36]利用大规模用户中的可信审计委员会来审计数据完整性，评估数据质量，将智能合约作为系统的核心，提出基于区块链的智能众包审计方法（blockchain-based intelligent crowdsourcing audit approach, Crowdauditing），旨在确保结果提交的可靠性、结果判断的准确性以及合理的惩罚和奖励，实现去中心化的数据完整性审计，保障数据质量，并提出两阶段提交策略来加强链下结果的可信度. Wang等^[37]将真值发现技术与区块链技术相结合，提出分组真值发现（grouping truth discovery, GTD）方法评估上传用户的数据质量. 在此基础上，对传统区块链进行改进，提出新的分层分片区块链，提升了数据处理的效率，但提出的质量评估方法只能处理数值型数据. 针对现有数据交易依赖可信第三方的不足，Sheng等^[38]利用语义相似度来衡量卖家和消费者之间的需求匹配程度，以确保数据质量，通过智能合约保障数据真实性与用户的个体理性，实现卖家和消费者的可信与真实交易. 考虑到用户和任务发布者的双边偏好问题，Kadadha等^[39]结合成本、位置和工人声誉等指标，提出双边偏好任务匹配机制. 该机制部署在区块链智能合约中，以最近邻匹配（the nearest neighbor matching, NNM）机制为基准，利用提出的任务质量指标（Quality-of-Task, QoT）定义用户的个人偏好，提出的信息质量指标（Quality-of-Information, QoI）定义任务的偏好，实现任务匹配与数据质量的评估. 在实际应用中，Yu等^[40]从人力、资金、宣传3个维度制定评价指标体系，采用熵值法计算各指标的权重，避免主观判断误差；使用灰色相关分析（grey correlation analysis, GRA）和理想解法（technique for order preference by similarity to an ideal solution, TOPSIS）对不同的备选方案进行评估，考虑备选方案之间的距离和相似性，实现对区块链群智感知项目质量的评估.

基于声誉评估的数据质量评估方法旨在将区块链技术与多种声誉模型结合，确保用户数据的可信度，实现数据质量的准确评估.

Xu等^[41]提出基于区块链的众包质量评估模型（blockchain-based quality assessment model for crowdsourcing, BC-CQAM），引入可信机制构建信誉模型，利用任务请求者无关节点进行信誉评估，解决用户对任务请求者评估结果的不信任问题. 在此基础上，设计了新的质量评估算法，克服最大期望算法（expectation-maximization algorithm, EM）对初始值设置敏感的不足，使其用户数据质量评估结果与真实值更接近，提升数据可信性. 针对现有集中式声誉管理系统依赖中心化服务器的不足，Wu等^[42]利用区块链技术将感知数据与信誉评分分离，分别构建信誉链和感知链，信誉链用于存储、更新和验证信誉分数，而感知链负责发布任务和存储与任务相关的数据. 为了提高任务分配的准确性与员工参与的积极，Kadadha等^[43]考虑了上下文信息和信息质量（QoI）指标，包括与任务的距离、完成时间和工人的声誉，构建了基于区块链的移动群智感知链上行为预测机器学习模型，模型在链下进行训练以减少货币成本，但部署在链上以进行透明的用户行为预测，通过对用户的声誉评估，实现任务分配的行为预测. 针对现有方法评估个人可信度的不足，Yu等^[44]提出基于区块链的群智感知信任管理机制（blockchain-based crowd-sensing trust management mechanism, B-CSTM），利用消息可信度评估机制对个人发送的消息进行现场评估，使用分布式疏散感知单元（evacuation perception unit, EPU）计算感知分数，获取个人信任值，通过区块链来存储和查询信任值. 实验结果表明，在紧急疏散场景中，管理人员可以轻松查看周围疏散人员的信任值，从而实现高效疏散. Lai等^[45]对群智感知服务中的问责制度进行改进，提出基于区块链的信任管理的验证方案“validatorRep”，利用细粒度信任验证评估参与者的声誉以及参与者之间的信任关系，抵制参与用户的“搭便车”行为和出版商的“虚假报告”，实验结果表明，该方法保障了声誉评估的可靠性并为移动群智感知提供了可信的问责制度. 在实际应用中，Wang等^[46]设计了综合信任评估模型（trust evaluation model, TEM）并部署在处理网络中，通过量化每个车辆节点的信任度，并提出VTchain的车辆信任区块链框架，在保障数据透明度和可信度的情况下，实现准确且无偏见的车辆信任评估.

基于异常识别的数据质量评估方法旨在将区块链技术与异常识别方法结合，识别异常，去除低质量数据，保障数据真实性，实现整体数据质量评估准确性提升.

为了识别异常数据，提升移动群智感知节点选择的准确性，He等^[47]设计了可信工作节点选择（trusted working node selection, TWNS）算法，应用区块链进行存储与更新工作节点信任值，并通过信任值实现异常数据检测与评估，旨在以最小的感知成本选择可信工作节点. 实验结果表明，该方法可以在异常数据检测场景中选择可信节点，保证检测结果的可靠性. 同时，在可信工作节点选择过程中，实现成本最小化. Rasool等^[48]提出基于Iroha许可区块链的恶意节点识别算法，阻止恶意节点提交虚假数据，实现可靠的数据分析. 考虑到传统移动群智感知模式存在支付不公平、参与者消极工作、合作作弊等诸多问题，An等^[49]利用区块链共识算法与智能合约提出数据质量评估模型. 利用委托信誉证明（DPoR）来代替工作量证明（PoW），克服移动群智感知计算能力不足的问题，重新设计智能合约以约束双方参与过程中的行为，降低合作作弊的可能性，使用真值发现方法识别异常用户. 但是，所提出的共识机制需要大规模的验证者，当网络中的吞吐量较高时，方法存在局限性，难以保障数据质量评估的准确性. 在实际应用中，为了从众多车载来源中区分可用信息，识别异常数据，Sun等^[50]提出基于信誉的车辆群智感知区块链（reputation-based crowdsourcing blockchain, RC-chain）并部署于Hyperledger Fabric，利用信任传播和反馈相似性（trust propagation and feedback similarity, TPFS）模型计算的声誉数据识别恶意服务提供商，提升服务质量.

基于区块链的数据质量评估研究在相似性匹配、声誉评估和异常识别中均取得了相应的研究成果，相关研究方法的总结与不足如表2所示.

通过表2可知，区块链技术的不可篡改性可以解决数据适用性、数据可信性和数据真实性的问题，但现有研究仍存在以下不足.

1）评估准确度与计算资源消耗的平衡. 基于区块链的数据质量评估方式实现了交易信息的记录并通过所有节点共同监督确保数据正确性，极大地保障了用户上传数据的可靠性，提升了数据质量评估的准确性，然而区块链技术的部署依赖大规模节点的认证^{[36, 41-42, 49]}，导致计算资源的消耗. 考虑到参与用户设备资源有限，大规模计算资源的消耗会降低参与用户的积极性. 此外，上述多项研究还表明，用户数据质量评估的准确性依赖于验证者的专业度^{[39, 46, 48]}，但专业的验证者仍存在主观性且难以保障数量.

2）缺乏细粒度标准化评估指标. 在基于区块链的数据质量评估方法中，用户数据质量评估过程具有更加复杂的关系，单维度的评估指标难以准确衡量用户的数据质量，例如用户数据质量的可靠性不应仅通过计算用户位置进行评估^[44]，难以体现区块链技术对数据质量评估的影响；此外，评估指标分级的粗粒度^{[35, 37, 40]}，会导致误差的存在，降低数据质量评估的准确性，链上、链下数据的分开存储还会造成数据分析时延的增加^{[35, 43]}.

3）多维度、标准化评估指标构建缺失. 不同维度数据导致数据分析困难. 考虑到参与用户的动态性特征，基于区块链的数据质量评估不仅需从时间、空间、类别维度对数据进行分析，还须增加基于区块链特征维度的评估指标，进而形成更为复杂的跨时空、跨领域的数据分析过程. 此外，随着用户活动状态变化，不同层面上的数据关联也会存在波动.

激励机制是指运用多种激励方法促使用户高效率的协同合作、完成任务，达到利益最大化. 传统的移动群智感知激励机制设计中，通常依赖于类似银行的可信中心，而可信中心管控不透明、易受攻击的特性易导致信任缺失问题. 为了解决上述问题，现有研究者结合区块链技术的特征对其进行改进. 基于区块链融合的激励机制使用密码货币作为激励机制的激励方式，使其组织者与参与者可在互不信任、无第三方监管的情况下协同合作保证交易的高吞吐、可信安全. 根据利益出发角度的不同，相关研究可分为2种类型，即以用户为中心的激励机制和以发布方为中心的激励机制.

以用户为中心的激励机制将区块链技术与多种激励方法结合，旨在提升用户参与积极性，鼓励用户提供全面准确的数据. 根据对用户的关注点不同又可细分为声誉激励、互惠激励和个性化激励.

声誉激励以用户声誉为依据，通过激励机制设计，鼓励高声誉用户的参与并为其提供合理报酬. Xie等^[30]提出声誉激励方法（BCFR），选择具有高声誉的无人机执行感知任务，保护无人机和任务发布者之间的数据共享免受内部攻击，同时，结合边缘计算增加区块创建的成功率，将无人机和边缘计算提供商之间的交互建模为两阶段Stackelberg博弈，激励无人机参与区块创建过程并最大化参与无人机的效用. Alkadi等^[51]对无人机交通管理系统（UAV traffic management system, UTM）进行改进，结合区块链与移动群智感知技术，设计了去中心化的UTM协议. Hu等^[52]设计了基于区块链的移动群智感知数据交易架构（blockchain-based trusted mobile crowdsensing data trading, BC-MCSDT），将参与用户与任务发布方之间的交互建模为Stackelberg博弈，利用基于区块链的授权节点替代任务发布方进行博弈，求解纳什均衡. 在此过程中，根据参与用户的声誉进行任务分配，鼓励用户提供高质量数据，将用户声誉记录在联盟链，防止恶意篡改，此外，参与用户可以通过与环境交互，动态调整定价策略，保障用户自身的收益.

互惠激励则根据等价交换原则激励用户参与，旨在保障交易的公平性，其中，对交易系统激励机制的改进研究受到了广泛的关注. 例如，Cheng等^[53]设计和评估了基于区块链的大规模环境数据采集系统，在共识层对实用拜占庭容错共识算法进行改进，简化共识过程并对主节点和收集高质量数据的节点给予代币奖励，设计的基于数据值证明协议的激励机制（proof-of-data-value, PODV）更好地激发用户提供高质量环境数据并增强网络吞吐量. 针对现有数据交易系统依赖可信机构且难以确保卖家成本真实性问题，An等^[54]提出基于反向拍卖和区块链的数据交易系统（reverse-auction-and-blockchain-based crowd-sensed data trading, RADT），采用贪婪策略确定赢家，并证明整个反向拍卖过程的真实性和个体合理性，利用智能合约保障各方数据真实性，确保整个交易过程的可追溯性. 此外，考虑到参与双方均为自私行为，应臣浩等^[55]提出基于区块链和双边激励的用户激励机制（privacy-friendly participant incentive procedure, PFPI），在竞价加密状态下，通过优化系统的社会福利、基于智能合约的参与者选择与报酬确定，不仅保障了全同态状态下数据真值估计准确性，还激励了更多用户参与到任务中，最大化社会福利，确保交易的公平性.

个性化激励则考虑不同类型参与用户的差异性，旨在提供个性化的报酬，保障用户的参与数量. 例如，Hu等^[56]设计了基于区块链的移动群智感知框架，将参与者分为月付参与者与即时付费参与者，利用三阶段的Stackelberg博弈方法实现用户激励，为2种参与者提供公平高效的报酬，保障用户的参与数量. Liang等^[57]利用拍卖方法设计基于等级的激励机制（grade-driven auction-based incentive mechanism with multiple objectives for crowdsourcing, GAIMMO），旨在同时实现最大化参与用户效用、最大化社会福利、最小化社会成本和最大化社会等级的目标. Wei等^[58]提出混合激励机制，同时考虑了数据质量、声誉和货币因素，利用层次分析方法进行评估，计算用户的综合等级，鼓励用户提供有价值的数据，更好地为用户进行报酬分配，同时惩罚恶意用户，有效防止用户搭便车的行为. Feng等^[59]提出基于分布式拍卖和区块链的去中心化MCS系统，每个用户可根据当前公开的交易价格信息和自身成本信息确定竞价价格，通过部署2种智能合约分别负责拍卖初始化与交易过程记录，利用多次迭代的方式求解最优解，在不泄露隐私情况下为每位参与用户提供适当激励.

以发布方为中心的激励机制则以最大化任务发布方的利益为目标，根据任务发布方的关注重点，现有研究亦可细分为数据质量控制激励和感知成本控制激励.

数据质量控制激励通过筛选高质量用户，从而提高感知任务的执行率，确保任务分配的公平性. 例如，针对两车协同场景下的激励机制设计，Yin等^[60]将任务类型进行分类，针对一般任务，设计了具有时间和资源约束的投标机制，更好地鼓励车辆贡献其资源，并相应地安排这些车辆的任务；针对延迟敏感任务，设计了新的基于时间窗的方法来管理车辆之间的任务并激励车辆参与，最终通过区块链部署的智能合约进行自动化执行. Pang等^[61]提出基于分布式反向和盲拍卖的任务分配机制（distributed reverse and blind auction-based task allocation mechanism, RbatAlloc），利用用户配置文件和竞价，防止恶意平台的存在，激励用户参与，此外，为了降低区块链上的大规模数据存储，设计了双层数据存储模型，实现透明区块链环境中公平高效的任务分配. 何云华等^[62]提出基于区块链的分布式激励机制，在激励高质量用户参与感知任务的同时，避免了可信第三方带来的安全隐患，采用数字水印技术对上传用户数据进行处理，阻止矿工冒名领取奖励. 在实际应用中，针对天-地-空一体化网络（space-air-ground integrated network, SAGIN）中冗余赢家现象与参与者多属性问题，Zhao等^[63]设计了基于区块链的服务架构，克服中心化SAGI面临的恶意攻击和信任问题，提出基于张量计算与区块链的可信激励机制（TensorBC），激励车辆参与完成任务，确保整个过程的安全性，避免冗余赢家现象发生，并最大限度地提高社会福利.

感知成本控制激励则通过平衡感知成本与报酬，在尽可能低的成本下获取高质量用户，提升任务执行效用. 例如，Huang等^[64]考虑工厂内不同数据采集点之间存在不平衡的问题，在感知成本有限的情况下，设计动态奖励排名激励机制（dynamic reward ranking, DRR），激励更多的员工参与不受欢迎区域的传感任务，实现数据收集的平衡. 为了防止参与用户操纵拍卖价格，An等^[65]提出基于区块链的群智感知交易系统（blockchain-based crowdsensed data trading, BCDT），将区块链作为反向拍卖人并采用两步竞价策略来选择卖家并确定数据交易的付款，确保所有用户遵循拍卖流程并如实报告其成本，保障任何人都无法通过在交易过程中窃听他人的出价来操纵反向拍卖并从中受益，但对发布方的共谋并未提供有效的方法，这在一定程度上损害了参与方的收益. 为了实现高效且安全的自动驾驶汽车车辆感知，Hui等^[66]利用区块链技术，构建了基于区块链的协作群智感知方案（blockchain-based collaborative crowdsensing , BCC），提出具有可转移奖励的联盟博弈方法，模拟感知过程中车辆之间的交互，通过共同考虑任务的需求和自动驾驶汽车的可用传感资源来激励自动驾驶汽车合作执行群智感知任务.

基于区块链的激励机制研究在以用户和以发布方为中心的研究中均取得了相应成果，相关研究方法的总结与不足如表3所示.

由表3可知，基于区块链的激励机制研究可以在无需依赖可信中心的前提下，保障数据交易的透明性与可追溯性，确保激励机制的可信度与高效性，但现有研究仍存在以下不足.

1）缺乏考虑用户学习能力与个体理性. 在基于区块链的激励机制研究中，对用户收益的研究主要通过博弈论进行纳什均衡解求解获得最优用户收益分配^{[30, 52, 54, 56-57, 59, 61, 65]}，博弈双方多以个体完全理性为前提，忽视了用户的学习能力，这与现实社会中的收益分配原则不符. 此外，考虑到用户的学习性和有限理性^[67]的约束，任务发布者和用户双方的行为更大可能是一种有限理性的行为. 忽视上述2种特征，会导致双方行为博弈的建模与分析存在误差，降低最终收益分配方法的准确性与实际指导价值.

2）忽视了参与用户的移动性. 当前基于区块链的激励机制研究主要考虑了用户的位置信息，但是对用户的移动性研究仍存在不足. 用户的移动性会导致参与感知的范围与能力发生变化. 此外，用户的移动具有轨迹规律、方向速度和时间周期性的特征. 结合用户移动性的激励机制设计结果会更加准确，但也更加复杂^{[51, 53, 55, 57-58, 60, 62-64]}.

3）实际部署有待提升. 现有的激励机制设计大部分集中在理论研究阶段，尤其是在报酬支付的方式上. 针对不同应用场景，仍须结合已有的理论工作并进行可行性验证. 此外，计算密集型PoW和拜占庭容错的共识机制无法支持大规模参与设备^{[51, 60]}，矿工收益研究的缺失，进一步降低了方法的可用性，不利于激励机制的广泛部署.

尽管基于区块链的移动群智感知数据处理研究为产业升级与服务提升带来了许多机遇，但在资源消耗控制、数据精准分析、全周期与差异化隐私保护、融合模式应用等方面仍存在尚未解决的难题，未来该领域的研究须重点以下关注4个方向.

1）计算资源成本控制. 去中心化的区块链技术往往需要强大的计算能力并伴随着庞大的资源消耗. 基于共识机制的区块链技术须通过大规模的验证者实现数据一致性的保障，但验证者的感知设备资源是有限的，无法持续不断地进行大规模的数据验证，从而降低了数据处理的效用. 此外，区块链技术主要是用于解决网络连接稳定性的问题，但参与用户高昂的网络通信成本与复杂的地理位置，加剧了保障网络稳定性的难度. 为了克服上述问题，可将云计算与侧链技术融合到基于区块链的移动群智感知数据处理解决方案中. 利用云服务器参与到区块链操作中，包括：充当验证者，降低参与感知用户负担，保障数据的一致性；承担部分计算功能，例如启动交易，降低感知参与用户的资源消耗；将小额频繁交易迁移到侧链上，提高主链运行效率，降低交易开销.

2）大规模数据分析效率提升. 考虑到参与用户设备的计算与存储能力有限，区块链数据的庞大体积导致复杂的大数据分析方法难以直接应用于用户设备. 尽管云计算可以解决上述问题，但将数据全部上传至云服务器会导致大规模的时延. 此外，区块链技术通过数据加密和签名方法保障用户数据的隐私，在进行数据分析时须对数据进行解密，导致数据分析效率的低下. 为了克服上述问题，融合了多区域、多层级的算力资源，提供算网融合一体化平台服务，基于“5G+移动边缘计算”技术驱动网络实现算力位置感知与就近分流，在网络协议中引入算力信息，深度感知算力，构建算力资源调度策略以及算网资源协同调度策略，实现资源的自动最优分配，将应用计算任务请求沿最优路径调度至MEC节点，通过共享自身算力，对区块链加解密的计算任务进行在网计算，降低对区块链全节点计算需求，降低通信延迟，缩短响应时间，提升数据分析效率.

3）差异化与全周期的隐私安全保护. 区块链技术具有的特殊机制可以在一定程度上确保交易记录的数据隐私，但对用户隐私保护的计划还不够健全. 首先，区块链技术应用智能合约实现无可信第三方情况下的可信交易，现有智能合约漏洞检测与修复方案只能针对单一版本进行检测，普适性较差；其次，已有的基于数据隔离和链上数据加密的方式虽然保护了数据的隐私性，但区块链上交易数据的完整存储会增加隐私泄漏的风险并在一定程度上限制数据共享；最后，不同区域中用户隐私敏感的差异性会导致单一隐私保护方法的失效. 为了克服上述问题，对现有基于区块链的移动群智感知数据安全保障技术进行改进，具体包括：构建全周期隐私安全保护模式，开发强通用性的智能合约漏洞检测工具，使用零知识证明技术保障用户身份隐私；利用跨链技术，将联盟区块链或私有区块链应用于用户数据的安全存储和共享中，提升处理效率，降低大规模存储带来的安全威胁；设计满足用户个性化需求的隐私安全保护方法，实现用户的个性化隐私保护.

4）新型融合模式的应用. 元宇宙作为一种整合多种新技术而产生的新型虚实相融的互联网应用和社会形态，数据采集与安全保护是元宇宙研究中的重点关注问题. 未来随着5G/6G网络快速发展，智能穿戴设备计算能力不断增强，以移动群智感知计算为数据采集模式，通过融合区块链技术保障数据安全、分布式数据管理的应用模式，将大大降低组网成本，提升服务的效用，确保交易点对点的对接，保障数据真实性. 这也有利于促进元宇宙的快速发展，逐步形成闭环的虚拟消费体系、线上线下有机打通所构成的虚拟化服务形式以及更加成熟的数字资产金融生态体系.

区块链技术的出现为增强分布式数据管理、保障隐私安全、提升质量评估准确性和可信激励机制提供了多种解决方案并成为学术界的热点. 本研究系统整理了近年来基于区块链的移动群智感知数据处理研究中的代表性工作，首先简要介绍了移动群智感知与区块链的基础概述，其次提出了基于区块链的移动群智感知体系结构（BMCA），紧接着分别从“隐私保护、质量评估、激励机制”的角度分析了国内外研究现状，总结现有研究面临的问题. 最后对基于区块链的移动群智感知数据处理研究的发展进行了总结和展望，梳理该领域的未来研究方向.