如今,通过将用户携带的智能设备与现有的通信基础设施相集成,可以提供大规模,细粒度和复杂的感知服务,作为一种新型感知方式的群智感知极大地丰富了智能城市的应用并促进了物联网的发展。但是,隐私已成为在群智感知发展中一个令人担忧的问题,并严重影响了感知系统的部署。在本文中,我们提出了两种在线控制机制,首先,对于平台而言,考虑感知任务到达的随机性、参与者的动态参与以及任务分配的复杂性。为此,我们提出了一种在线控制机制,可在确保系统稳定性并提供个性化位置隐私保护的同时,最大限度地提高平台的利润。通过利用Lyapunov优化理论,我们将优化问题转换为队列稳定性问题,并将其进一步分解为三个子问题。通过严格的理论分析,我们证明了时间平均利润是近似最优的。我们还进行了大量的仿真,以验证我们提出的机制的优越性。其次,通过共同考虑参与者的隐私,感知任务到达的随机性和平台成本在最小化数据聚合错误和保证系统稳定性之间进行权衡。我们利用Lyapunov随机优化技术提出了一种在线控制机制。此外,考虑到现实中,不同的任务总是需要不同的时间来做出感知决策,因此我们扩展了标准的Lyapunov随机优化技术,以便在连续时间内针对不同类型的感知任务做出单独的决策。通过严格的理论分析,我们证明了时均数据聚合误差在保持系统稳定性的同时近似是最优的。通过进行大量的仿真,我们证明了我们提出的机制的优越性。