移动人拥识系统（MCS）依靠大量参与者或人群的移动设备的贡献，其中一大批具有能够感测和计算的移动设备共享数据并提取信息以衡量，映射，分析，估算的信息，或推断（预测）任何共同兴趣的过程。它在低部署成本和广泛的地理覆盖范围内是有利的，并且在各种领域中发现了许多应用，包括运输，环境监测，智能城市，普遍的医疗保健等。

但是，MCS系统通常面临安全，隐私和信任问题的挑战。嵌入在智能手机中的加速度计和陀螺仪等运动传感器在监视我们的真实世界周围环境中起着重要作用，这与许多隐私入侵攻击有关，例如与人类行为，物理特征和位置信息有关的私人信息泄漏。尽管携带移动智能设备的用户愿意参与移动传感流程，但他们可能不会透露其私人信息，例如位置，语音和操作记录。此外，MC可以很容易地受到侧向通道攻击的困扰，在这种情况下，基本传感器操作期间的物理信息泄漏被利用以推导移动人群应用程序中的机密数据。大多数安全性和隐私问题都可以通过一些传统的加密方法来解决。但是，重量级密码系统仍然无法对数十亿个资源约束的智能移动设备或物联网设备进行执行，这限制了MCS中的应用程序。

本期特刊的目的是征求原始研究和审查文章，以收集与移动人群收敛有关的最新先进的安全性，隐私和信任技术。特别是，欢迎采用公开发布的代码，工具和数据的实验方法。

潜在的主题包括但不限于以下内容：

• 移动人群的身份验证
• MC的轻量级数据保护方案
• MCS中AI的安全模型保护方法
• 物联网和移动设备的硬件安全性和隐私问题
• 确保MC的数据完整性和验证技术
• 众包的隐私计算和处理协议
• 保护分布式移动设备的M2M通信
• MC的加密协议的正式安全模型
• MC中的未来和安全基于IoT的数据收集方法
• MCS的信任和声誉系统
• 在MCS中安全数据挖掘和机器学习
• MCS的虚拟化，安全性和管理
• MCS的侧向通道攻击和防御方法
• MCS的区块链和智能合约
• MCS的新隐私挑战