社交网络作为信息共享交流的新工具,已成为人们建立和维护线上社交关系的重要平台。然而,用户在享受平台带来的社交功能的同时,社交网络上也产生和存储着大量与用户密切相关的数据,带来隐私信息泄露的风险。随着社交网络用户数量激增,社交网络隐私保护问题逐渐受到研究者的关注。现有的隐私保护研究侧重具体技术的实现,忽略了用户间安全行为选择对这些技术实际部署效果的影响,忽略了因缺乏激励造成的隐私保护效率损失。博弈论方法作为研究群体间激励结构和相互作用的数学工具,本文基于博弈论方法,分别从平台角度和用户角度出发,研究社交网络中的隐私设置用户激励问题和用户最佳隐私保护投资问题,提出基于网络演化博弈的用户隐私行为分析模型和基于安全依赖博弈的用户隐私保护投资决策框架。本文首先从平台角度出发,建立网络演化博弈模型,分析社交平台提供的隐私设置为用户带来的成本收益对用户安全行为选择的影响。多数隐私保护机制研究关注具体技术实现,默认所有用户都会采取该机制,忽略了用户行为对机制是否能成功部署的影响。用户是否采取隐私保护设置与用户的收益,成本等因素有关。本文将是否采取隐私保护作为博弈策略,建立网络演化博弈模型,其中用户只与相连的用户进行博弈。然后基于博弈模型推导出动态方程,表示网络中采取隐私保护设置用户的比例随时间变化的趋势,并分析收益成本比对演化稳定状态的影响。最后,采用真实数据集对该模型做可行性验证。实验结果表明该模型能有效刻画社交网络用户隐私保护行为的动态演化。该模型可以帮助社交平台设计有效的安全服务和激励机制,鼓励用户采取隐私保护设置,促进隐私保护机制在网络中的部署。在上述博弈模型基础上,本文将二元策略扩展为连续性策略,根据不同用户建立异质收益函数,从用户角度出发,建立安全依赖博弈模型,提出依赖网络环境下社交网络用户隐私保护投资决策框架。针对用户隐私保护,社交网络会提供基本的隐私保护机制。多数隐私保护设置需要用户根据自己的隐私保护需求进行不同粒度的设置。不同粒度的设置带来的成本和收益不一样,本文称为用户的安全投资不同。由于连接关系和用户互动使得用户间安全相互影响和依赖,形成安全依赖网络,即用户能从其他用户的安全投资中获益。在依赖网络环境下,本文提出的投资决策框架首先计算网络影响力矩阵,然后建立安全依赖博弈模型,同时证明该博弈模型纳什均衡解的存在性和唯一性,并求出理论解,最后提出迭代法计算用户的最佳决策方案。采用真实数据集进行可行性验证,实验结果表明迭代法能收敛到理论解,能有效计算用户的最佳安全投资方案。