1.一种基于位置隐私保护和信任的工人招募方法，其特征在于，包括如下步骤：S1. 工人招募方将招工信息、工人将自身信息，通过加密方式上传服务器；具体包括如下步骤：工人招募方将任务点的位置信息 和招工范围阈值R，通过秘密共享得到两组秘密份额 和 ，并将 共享给第一服务器 ，将 共享给第二服务器 ；其中， 为共享给第一服务器的x轴位置信息的秘密份额， 为共享给第一服务器的y轴位置信息 的秘密份额， 为共享给第一服务器的招工范围阈值R的秘密份额， 为共享给第二服务器的x轴位置信息 的秘密份额， 为共享给第二服务器的y轴位置信息 的秘密份额， 为共享给第二服务器的招工范围阈值R的秘密份额；

工人将自身在t时刻的位置信息 ，通过秘密共享得到两组秘密份额 和，并将 共享给第一服务器 ，将 共享给第二服务器 ；

其中， 为共享给第一服务器的x轴位置信息 的秘密份额， 为共享给第一服务器的y轴位置信息 的秘密份额， 为共享给第二服务器的x轴位置信息 的秘密份额，为共享给第二服务器的y轴位置信息 的秘密份额；

S2. 服务器根据接收到的数据信息，计算工人位置与任务点之间的距离，并加密传输给工人招募方；工人招募方通过数据重构得到工人集合；

S3. 在得到的工人集合中，工人招募方基于贪心算法，得到招募工人集合；

S4. 工人招募方根据招募工人集合中的数据信息，基于工人数据的准确性和时效性，进行工人权重计算数据的更新；

S5. 工人招募方根据更新后的工人权重计算数据，对工人进行权重分类，以完成基于位置隐私保护和信任的工人招募。

2.根据权利要求1所述的基于位置隐私保护和信任的工人招募方法，其特征在于，所述的步骤S2，具体包括如下步骤：服务器 ，c的取值为0或1，根据接收到的数据信息，计算工人与任务点之间的距离平方和 为 ；

服务器 根据计算得到的 ，计算得到各自的第一变量  为 并相互交换；其中 为工人招募方随机生成的附加值；

服务器 根据交互交换的第一变量 ，重构得到第二变量 为 ；

将第二变量 进行加密生成第一密钥 并发送给第一服务器 ，将第二变量 进行加密生成第二密钥 并发送给第二服务器 ；

第一服务器 和第二服务器 ，对各自接收到的加密数据进行解密，并将解密结果发送给工人招募方；

工人招募方将接收到的数据，通过数据重构，得到在位置信息 的招工范围阈值R内的工人及对应数据信息，并构成工人集合 。

3.根据权利要求2所述的基于位置隐私保护和信任的工人招募方法，其特征在于，所述的步骤S3，包括如下步骤：在得到的工人集合中，去除工人权重数据低于第二设定值的工人；

若去除工人权重数据低于第二设定值的工人后，剩余的工人人数小于或等于需要招募的工人数量，则招募所有的剩余工人；

若去除工人权重数据低于第二设定值的工人后，剩余的工人人数大于需要招募的工人数量，则根据剩余的工人与任务点的距离和剩余工人的权重值，计算得到剩余工人的工人效益，并采用贪心算法招募对应的工人。

4.根据权利要求3所述的基于位置隐私保护和信任的工人招募方法，其特征在于，所述的步骤S3，具体包括如下步骤：在得到的工人集合中，去除工人权重数据低于第二设定值的工人，得到剩余工人集合；

对剩余工人集合 进行判断：

若剩余工人集合 中的工人数小于或等于需要招募的工人数量，则直接招募剩余工人集合 中的所有工人，并构成招募工人集合 ；

若剩余工人集合 中的工人数大于要招募的工人数量，则采用如下算式扩展剩余工人集合 中第i个工人的置信上限 ： 式中 为权重值； 为剩余工人集合 中第i个工人的权重；K为需要招募的工人数量； 为招募工人的总次数；

为剩余工人集合 中第i个工人的被招募次数；

基于剩余的工人与任务点的距离和剩余工人的置信上限，采用如下算式计算得到剩余工人集合 中第i个工人的工人效益 ： 式中 为招募剩余工人集合 中第i个工人所需成本；

基于贪心算法，在剩余工人集合 中，招募工人效益 排名最靠前的K个工人，构成招募工人集合 ，并更新对应的 和 。

5.根据权利要求4所述的基于位置隐私保护和信任的工人招募方法，其特征在于，所述的步骤S4，包括如下步骤：在招募工人集合中，若不存在工人权重数据大于或等于第一设定值的工人，则返回步骤S1进行下一个任务点的工人招募；

在招募工人集合中，若存在工人权重数据大于或等于第一设定值的工人，则基于工人的权重数据计算工人对应的真相数据和准确性数据，并结合对应数据的时效性，对招募工人集合中的所有工人进行工人权重计算数据的更新。

6.根据权利要求5所述的基于位置隐私保护和信任的工人招募方法，其特征在于，所述的步骤S4，具体包括如下步骤：在招募工人集合中，若不存在工人权重数据大于或等于第一设定值的工人，则返回步骤S1进行下一个任务点的工人招募；

在招募工人集合中，若存在工人权重数据大于或等于第一设定值的工人，则基于工人的权重数据，采用如下算式计算得到t时刻任务点的真相值 ，初始时刻t=1，任务点j=0：式中 为第ii个工人提交的数据； 为

二值函数，且若 则 ，否则 ， 为第一设定值；

计算得到第ii个工人的数据的准确性 为 ；

采用如下算式计算得到第ii个工人截止到t时刻的历史权重值 ： 式中为归一化权重值，且 ， 为归一化前的权重值且 ，为归一化前权重值计算的系数， 为j时刻的归一化前的权重值，n为当前的时刻； 为tt时刻工人ii的权重值；

根据 和 ，计算得到对招募工人集合中的第ii个工人的更新后的权重计算数据 ：式中 为求和权重； 为数据准确性阈值。

7.根据权利要求6所述的基于位置隐私保护和信任的工人招募方法，其特征在于，步骤S5所述的工人招募方根据更新后的工人质量数据，对工人进行划分，具体包括如下步骤：采用如下算式更新第ii个工人的权重值 ：根据平台得到的信息，将已知的工人权重数据大于或等于设定值的工人对应的 初始化为1，剩余工人的 初始化为0.5：式中 为第ii个工人在t时刻参与的任务集合； 为第ii个工人在t时刻参与的任务数量；

根据更新后的各个工人的权重值，对工人进行权重分类：

若第m个工人的权重值 大于或等于第一设定值，则将第m个工人划分为工人权重数据大于或等于设定值的工人，并在下次的工人招募过程中，优先招募这类工人；

若第m个工人的权重值 小于第二设定值，则将第m个工人划分为工人权重数据低于设定值的工人，并在下次的工人招募过程中，正常招募这类工人；

第一设定值大于第二设定值。

8.一种实现权利要求1 7之一所述的基于位置隐私保护和信任的工人招募方法的系~统，其特征在于，包括数据上传模块、工人重构模块、工人招募模块、数据更新模块和工人划分模块；数据上传模块、工人重构模块、工人招募模块、数据更新模块和工人划分模块依次串接；数据上传模块用于工人招募方将招工信息、工人将自身信息，通过加密方式上传服务器，并将数据信息上传工人重构模块；工人重构模块用于根据接收到的数据信息，服务器根据接收到的数据信息，计算工人位置与任务点之间的距离，并加密传输给工人招募方；工人招募方通过数据重构得到工人集合，并将数据信息上传工人招募模块；工人招募模块用于根据接收到的数据信息，在得到的工人集合中，工人招募方基于贪心算法，得到招募工人集合，并将数据信息上传数据更新模块；数据更新模块用于根据接收到的数据信息，工人招募方根据招募工人集合中的数据信息，基于工人数据的准确性和时效性，进行工人权重计算数据的更新，并将数据信息上传工人划分模块；工人划分模块用于根据接收到的数据信息，工人招募方根据更新后的工人权重计算数据，对工人进行权重分类，完成基于位置隐私保护和信任的工人招募。