1.一种基于安全求和的移动群智感知隐私保护真值发现方法，其特征在于，所述方法具体包括如下步骤：

S1、将参与感知任务的参与者分成t个簇，各簇中的参与者计算各自的秘密随机数；

S2、基于聚合距离函数ADF来更新每个簇中各参与者的安全权重；

S3、基于各参与者的安全权重来更新每个感知对象的真值S4、检测更新后与更新前的真值差值是否小于差值预设值，若检测结果为是，则输出每个感知对象的真值 若检测结果为否，则将更新后的真值 分发至各参与者，执行步骤S2；

距离函数为感知对象d收集的感知数据 与第d个对象的真值 之间的距离；聚合距离函数ADF为所有参与者的聚合函数之和；

聚合距离函数ADF的获取具体包括如下步骤：参与者Pi计算每个感知对象d收集的感知数据 与第d个对象的真值 之间的距离函数DF；

参与者Pi基于秘密随机数Ri对距离函数DF进行加密，形成加密距离函数Ci1，同时将加密距离函数Ci1上传至所在簇的簇头管理者CH；

簇头管理者CH接收k‑1个参与者发送的加密距离函数Ci1，对接收(k‑1)个加密距离函数Ci1及自身的加密距离函数Ci1利用模的性质得到该簇中k个参与者的距离函数DF之和距离函数DF的距离之和，称为簇聚合距离函数CDF，并t个CH将簇聚合距离函数CDF上传至CS；

CS对t个簇聚合距离函数CDF进行聚合形成聚合距离函数ADF；

所述真值 的更新过程包括如下步骤：参与者Pi计算对每个感知对象d收集的感知数据 与得到的 之间的乘积并基于秘密随机数Ri对 加密形成密文Ci2，并将密文Ci2上传至CH；CH对接受的(k‑1)个密文Ci2及自身密文Ci2利用模的性质得到k个乘积 之和，称为簇聚合乘积CUW，并上传给CS，在接收到t个CH发送的簇聚合乘积CUW后，CS对t个簇聚合乘积聚再次聚合，形成聚合乘积AUW；

参与者Pi基于秘密随机数Ri对每个参与者的安全权重 进行加密，形成密文Ci3，并将密文Ci3上传至簇头CH，簇头CH对接受的(k‑1)个密文Ci3及自身密文Ci3利用模的性质得到k个安全权重 之和，称为簇安全权重CW，并上传至CS，CS对t个簇头发送的簇安全权重CW进行再次聚合，获取聚合安全权重AW；

基于聚合乘积AUW及聚合安全权重AW来更新每个感知对象的真值

2.如权利要求1所述基于安全求和的移动群智感知隐私保护真值发现方法，其特征在于，所述秘密随机数的计算方法具体如下：每个簇中的所有参与者计算公共参数，并将计算的公共参数发送给前后两个参与者，每个参与者根据接收到的两个公共参数计算秘密随机数，秘密随机数的计算公式具体如下：

其中，Ri为参与者Pi的秘密随机数，Wi+1、Wi‑1分别为参与者Pi+1、参与者Pi‑1的公共参数，ui为参与者Pi随机挑选一个的随机数。

3.如权利要求1所述基于安全求和的移动群智感知隐私保护真值发现方法，其特征在于，加密距离函数Ci1的计算公式具体如下：2

Ci1＝(1+p·Ddisti)·Rimod p其中，Ddisti为参与者Pi对每个感知对象d收集的感知数据 与第d个对象的真值 之间的距离函数，Ri为参与者Pi的秘密随机数。

4.如权利要求1所述基于安全求和的移动群智感知隐私保护真值发现方法，其特征在于，通过模的性质进行k个加密距离函数Ci1解密及聚合，解密及聚合过程具体如下：其中，uk+1＝u1，u0＝uk；

CH计算Cta‑1/p得到 即k个参与者的距离函数DF之和。

5.如权利要求1所述基于安全求和的移动群智感知隐私保护真值发现方法，其特征在于，所述安全权重的计算公式具体如下：其中 代表参与者Pi安全权重， 代表参与者Pi对每个感知对象d收集的感知数据 与第d个真值 之间的距离。

6.如权利要求1所述基于安全求和的移动群智感知隐私保护真值发现方法，其特征在于，真值 的计算公式具体如下：其中， 代表第d个对象的真值。

7.如权利要求1所述基于安全求和的移动群智感知隐私保护真值发现方法，其特征在于，密文Ci2的计算公式具体如下：通过模的性质进行k个乘积 解密及聚合，解密及聚合过程具体如下：其中，uk+1＝u1，u0＝uk，然后CH计算Ctb‑1/p得到 即k个参与者的 之和。

8.如权利要求1所述基于安全求和的移动群智感知隐私保护真值发现方法，其特征在于，密文Ci3的计算公式具体如下：通过模的性质进行k个安全权重解密及聚合，解密及聚合过程具体如下：其中，uk+1＝u1，u0＝uk，然后CH计算Ctc‑1/p得到 即k个参与者的 之和。