借助移动设备上的多种传感器，移动群智感知依靠移动用户的移动性和特性来实时感知物理世界，激发了大量创新服务。尽管其部署普遍且潜力巨大，传统的移动群智感知设备将所有感知数据传输给请求者，使其承担高昂的通信和计算资源消耗。这在实践中因出于质量考虑而招募冗余工人而变得更加糟糕，从而抵消了经济监测的主要优势，并使资源受限的请求者受挫。本项目旨在将感知与学习集成到移动群智感知中，而无需消耗过多资源。具体来说，鉴于感知数据通过分散的边缘服务器收集，引入基于区块链的联邦学习以保护数据隐私，并通过提高可信度和效率来实现分布式机器学习的性能增强。本项研究的技术贡献包括通过激励机制设计将信任从链上扩展到链下流程，以激励分布式边缘学习者的可信提交。它还旨在以链下方式建立即时可靠的计算环境，以保证移动群智感知中分布式机器学习的效率，同时进行环境内共识协议设计和环境间交互分析。