互联网技术的飞快发展和社交网络应用的迅速推广带来的用户信息泄露问题引起了广泛关注。由于社交网络数据不同于传统的关系数据，传统的隐私保护技术不能直接应用于社交网络数据。因此，基于社交网络的隐私保护技术研究具有重要意义和价值。社交网络中的隐私泄露主要包括身份泄露和关系泄露，针对社交网络中敏感关系和权值的信息泄露问题，分别提出了边分割算法和扰动算法，使之能有效保护社交网络中的敏感关系和权值。　　论文首先研究了社交网络的敏感边泄露问题。用户间的敏感关系是社交网络中用户的重要隐私信息，为了解决用户间敏感关系泄露问题，本文提出一种边分割算法。该算法首先将已删除敏感边的简单匿名社交网络的非敏感边分割成多条子边，然后将原非敏感边携带的信息分配到子边上，使得每条子边只携带原非敏感边的部分信息，从而生成具有隐私能力的匿名社交网络。理论分析和实验结果均证明，边分割方案能够有效解决社交网络中敏感关系泄露问题。　　其次，针对社交网络中的权值泄露问题，提出高斯随机扰动和贪心扰动两种算法。高斯扰动实现简单，且能有效保护动态社交网络的权值，经过高斯扰动的社交网络，很多基于权值的应用，如最小生成树的结构将发生改变。为保护社交网络的最小生成树结构不变，进一步提出了贪心扰动算法，该算法能有效应用于静态社交网络。实验结果显示两种扰动算法都能有效保护社交网络权值信息。