社交网络在给用户带来便利的同时,也存在个人隐私泄露的严重风险。论文结合课题组所承担的重大科技专项,研究社交网络隐私保护技术,具有重要的研究意义和应用价值。论文首先研究了基于最大频繁子图挖掘和图修改的面向局部结构研究的社交网络隐私保护技术。该技术利用Margin算法挖掘当前图中的最大频繁子图,分组相似子图,通过图修改技术添加伪信息,最后形成的K-同构匿名图即是可以对外安全发布的数据。经过该算法处理的社交网络数据,主要适用于研究社交网络局部结构特征的应用场景。实验结果表明,该算法有效的保留了社交网络的局部结构信息,在隐私安全和数据实用性之间取得了一个较好的平衡。然后论文研究了基于信号传递模型和聚类的面向宏观性质研究的社交网络隐私保护技术。该技术首先基于信号传递模型计算网络实体之间的相似性和距离,然后通过K-mean聚类算法将网络节点分为若干簇,最后聚合簇内相似节点和边,形成K-聚类匿名图,即可对外安全发布。经过该算法处理的社交网络数据,主要适用于研究社交网络宏观性质的应用场景。实验结果表明,该算法在保证用户个人隐私安全的前提下,数据实用性优于其它同类算法,取得了较好的效果。论文最后将面向局部结构研究的隐私保护算法和面向宏观性质研究的隐私保护算法应用到钱塘融合通信平台中,并重点介绍了其中的数据发布系统的设计方案,构建了一个面向不同应用场景完整的数据发布系统,验证了两种算法的应用效果。