物联网（Io T,Internet of Things）,即“万物相连的互联网”,是互联网基础上的延伸和扩展的网络,物联网将各种信息传感设备与网络结合起来而形成的一个巨大网络,实现在任何时间、任何地点,人、机、物的互联互通技术。物联网通过各类信息传感器,可以从各类设备,系统中采集海量的数据。这些数据隐藏着重要的价值,这也是近年来人工智能、深度学习等领域飞速发展的主要因素之一。然而,数据一旦遭到非法泄露,会造成巨大的损失,因此,数据隐私保护十分重要。为了更为清晰的表述,本文将数据安全与数据隐私进行了一定的区分,数据安全保障了数据在传输过程中不被泄露;数据隐私则保障数据在被使用过程中不被泄露。数据安全防范的是系统之外的恶意者;数据隐私防范的是系统内数据所有人之外的数据使用者。数据聚合技术是隐私保护的关键技术之一。把一个区域的数据的加和值或者平均值作为参考数据发布,一方面保持了数据的统计特征,同时又掩盖了单个的数据值。针对当前数据聚合中所面临的动态性,灵活性,高效性以及高精度聚合等方面的迫切需求,本文的贡献主要包括以下几个方面:首先,本文对隐私保护的数据聚合方案本身进行了改良。由于物联网技术的发展,虚拟聚合区域逐渐取代了早期智能电网中的基于客观位置的聚合区域,聚合区域内用户经常性的加入和退出系统导致了大量的计算、通信资源浪费。本文利用同态加密、密钥更新等技术,设计了一种用户加入和退出系统的机制。较之为现有的其他方案,动态性的满足使得方案不仅更具实用价值,而且更为高效。分析和实验表明,所提方案拥有更低廉的计算、通信消耗。为了使用已经存储在云端各类数据,本文通过同态加密、盲化因子、密钥协商等密码学基础工具,设计了一种可以针对任意聚合区域的灵活的聚合协议。较之于现有的其他方案,该方案计算和通信的成本都较为低廉,具有极高的应用价值。为了适应联邦学习在不稳定网络上的运行,使得协议在少量用户掉线的情况下,依然完成聚合流程。从而使得少量用户的掉线时,不必废弃当前一轮的聚合,节省了大量的资源。方案本身也比现行的其他方案更为高效和低耗,因此也更为实用。数据匿名化,除了一般的聚合技术之外,还需要隐私排序的算法,即给每个用户秘密分配一个位置。本文所给出的隐私排序的算法,不仅拥有更好的效率,还很好的权衡了执行效率和鲁棒性之间的平衡。因此,根据本文所提出的隐私排序算法和隐私聚合算法所结合的数据匿名化处理,具有更好的实用性。