在线社交网络是一个让人们与朋友交流沟通,分享信息,加速业务和增强团队合作的平台。随着网络规模的快速发展,隐私问题越来越受到关注。到目前为止,包括加密算法、访问控制策略、匿名化和差分隐私算法等隐私保护方案已经被大量的研究与应用。然而值得注意的是,几乎没有研究提及一种广泛存在于现实社交网络中的用户隐私信息以口口相传的形式被泄露的问题。这种泄露方式指的是在未经用户同意的情况下,用户分享的信息被其好友传播或者上传,隐私信息的传播途径是未被记录的。用户在社交网络平台上分享的信息以图像和视频等数字媒体为主,所以如何避免社交网络中用户分享的数字媒体信息被未授权传播,并对传播者进行追踪是一个亟待解决的问题。为了帮助用户追踪社交网络好友圈中的信息泄密者,我们提出了一个基于信任模型的概率性泄密者判断方案。首先,我们综合考虑了用户之间的相似度、用户之间的交互历史以及社交网络拓扑结构这三个因素以评估用户之间的信任度并建立了社交网络的信任模型。其次,我们结合了路径搜索算法以及信任模型以评估用户的泄密概率。最后,我们基于好友信任度分级和隐私信息分级建立了一个可以应用于在线社交网络平台的信息发布方案,降低了用户的隐私信息被以口口相传形式泄露的风险。与此同时,我们扩展了用户未授权传播的系统模型,并提出了一个基于数字指纹的确定性泄密者追踪算法。首先,算法的基本工作原理是平台在用户试图获取他人在平台上分享的图像和视频等数字媒体之前,利用插件嵌入一个独一无二的标识用户的信息。其次,因为社交网络中的用户规模是极为庞大的并且动态多变的,所以我们在保证数字指纹的独一无二性的同时,还需要保证数字指纹码字的编码效率以及可扩展性。为了解决这些问题,我们提出了一种基于社交网络拓扑结构的数据相关的编码方案。最后,我们建立了基于用户ID和数字指纹码的索引表的数字指纹检测系统,相比于传统的数字指纹,我们的方案大大提高了从数字媒体中提取出数字指纹后的泄密者检测效率。基于信任度的方法属于概率性的泄密者判断方案,不能准确追踪泄密者但简易可行。基于数字指纹的方法属于确定性的泄密者追踪方案,原则上可以准确的追踪到泄密源头,缺点是负载较高。这两种方法都为社交网络中的用户提供了不同程度的追踪泄密者的帮助。全文共5章,图22幅,表格7个,参考文献57篇。