智能终端与互联网技术相结合促进了移动社交网络的迅速发展,移动社交逐渐成为日常生活中不可或缺的组成部分。作为人们展示兴趣、技能的平台,移动社交网络成为人们开展社交活动的重要载体。用户匹配在移动社交网络提供的各种服务中发挥着重要作用,精确高效的用户匹配,可以提高社交服务的质量,促进用户之间的交互。在用户匹配中,个人属性配置文件（特征描述和社交习惯）通常作为判断用户关系是否符合特定要求的依据。然而,个人属性配置文件中包含用户的敏感信息,若在匹配过程中对敏感信息不加以保护,会造成较为严重的个人隐私泄露。现有的隐私保护用户匹配方法旨在匹配过程中用户都尽可能少地掌握双方的属性信息,但是这种方法往往忽视了用户与服务器交互时出现的安全性问题,以及匹配结果的真实性,因此如何设计移动社交网络中基于隐私保护的安全高效的用户匹配方案成为亟需解决的问题。本文提出一种移动社交网络中基于隐私保护的用户匹配方案。本方案在密文策略属性基加密（Ciphertext-policy Attribute-Based Encryption,CP-ABE）的基础上,以线性秘密共享矩阵（Linear Secret Sharing Scheme,LSSS）作为访问结构,在不泄露用户属性信息的前提下,匹配双方制定各自的属性策略,服务器通过双向属性匹配来为其推荐符合策略设置的用户。本文把属性信息加密的部分工作转移到预处理阶段,并采用密钥封装方法,将部分属性信息解密工作分摊到服务平台,从而降低用户双方的计算开销。通过正确性分析和安全性证明,本方案可以满足用户匹配的安全要求,保护了用户的隐私信息。本文基于Java的配对密码库,开发了社交网络中基于隐私保护的用户匹配推荐系统,并详细介绍系统架构、系统需求和模块设计,其主要模块包括登录注册、用户信息加密收集和匹配推荐等,并设计用户信息加密、匹配、解密等相应算法,实现了安全高效的用户匹配推荐系统。最后,对系统进行性能测试,并与现有方案进行对比,仿真结果表明本方案具有较低的计算开销,可以高效安全地在社交网络中进行实际应用。