随着移动设备的普及和通信技术的发展,社交网络已经成为人们进行日常交流、互动、享受各类应用服务的重要枢纽。然而,社交网络在为人们提供诸多便利的同时,也引发了很多安全问题。首先,在愈加频繁的信息交互中,社交网络用户的身份、家庭住址、银行账号等敏感信息面临着随时随地被泄露的风险,严重情况下还可能对个人财产和人身安全造成威胁。另一方面,社交网络被一些虚假信息和谣言作为重要媒介,因其传播更快、更深、更广,对个人生活、社会发展、乃至政治稳定都带了极大的危害,引起了社会的高度警惕。因此,对社交网络信息传播中的隐私保护和谣言传播问题进行深入研究具有重要的现实意义。本研究针对社交网络信息传播场景下的安全需求,综合考虑用户个性化隐私保护、隐私保护与数据可用性均衡、谣言传播等热点安全问题,结合差分隐私、信息论、博弈论等理论,聚焦于社交网络安全保护若干关键技术。本文的主要研究内容和贡献如下:(1)针对现有社交网络隐私保护通常面对所有用户完全一致,从而引起欠保护或数据可用性不足的问题,提出了一种基于社交网络用户信任关系的个性化差分隐私保护模型,通过将信任值映射到隐私保护强度,满足了用户不同的隐私保护需求,并在一定程度上提高了数据的可用性。同时,通过建立不完备信息博弈来描述用户和攻击者的对抗行为,实现个性化差分隐私保护场景下对双方行为的定量分析和测量。所提方案进一步解决了隐私保护与数据可用性的均衡问题;(2)以上述工作为基础,进一步研究针对动态多阶段攻击行为的隐私保护机制。结合实际应用场景,通过基于博弈的马尔可夫决策过程建立数学模型,将多阶段动态攻击场景下的隐私保护问题转变为有限阶段的零和博弈过程。在此基础上,根据用户隐私泄露概率和服务质量定义了收益函数,从而通过推导纳什均衡求得用户的最佳策略。然后,为提高模型效率,提出了一种改进的Q-Learning增强学习算法,通过有效减少基数实现了算法的快速收敛。最后,理论分析和实验结果验证了所提方法的有效性和灵活性;(3)研究社交网络中的谣言传播过程,利用LDA主题模型和相对熵理论,揭示了谣言的固有属性与其传播动态特征的内在关系。同时,为更加准确的描述非均匀网络中的谣言传播行为,通过引入复杂网络理论和传染病动力学模型,建立了一种基于社团聚类的双层谣言传播模型,描绘了复杂社交网络中的非恒定传播率特性。通过真实数据集上的实验表明,谣言的新颖度对传播过程具有重要的影响。同时,其传播过程不简单服从稳定地指数增长模式,而会经历多次波动最终趋于稳定。