近年来，随着互联网技术的不断发展，社交网络产品也在不断的融入我们的生活中。从QQ、人人网到微博、微信，社交网络渐渐成为我们生活中不可或缺的一部分。但是，社交网络在提供给我们便利的同时也对我们个人隐私保护及社会关系隐私保护提出了新的挑战。现阶段在传统的关系型数据库隐私保护研究领域已经有了很多科研成果，但是由于社会网络的数据模型是类似于计算机图论中图的结构，因此我们在处理社会网络隐私保护问题时显然不能直接套用针对传统关系型数据库的隐私保护方法。然而，伴随着大数据时代的到来，我们一般处理的社会网络数据也是海量的，人工处理显然不现实，因此社会网络的隐私保护问题必是当前研究的热点问题也是未来计算机技术必然的研究趋势。目前我们使用社会网络软件主要是为了与他人共享或者交换信息资源，单纯的个人信息隐私保护已经不能满足需求，对个人社会关系隐私保护的研究是目前的热门研究领域。本文主要从数据挖掘的角度对k-匿名算法进行研究。首先介绍了现阶段社会网络隐私保护研究的国内外现状及其概念和特点，针对性的分析了攻击社会网络的几种方式，并对现阶段几种匿名算法进行了介绍。以此为基础，借鉴他人已有的研究思想，对原k-对称匿名算法给予改进，并设计出一种有效地还原算法，找出一个推导出k值的公式。k-对称匿名方法是一种隐私保护算法，对社会网络中的节点进行对称处理，使得等价类的结果中每个集合都包括k个节点，这就使得攻击者识别目标个体的概率不高于1/k。还针对k-对称匿名方法的可用性分析提出一种能还原出原社会网络图的还原算法。最后，论文基于微信讨论组的社会网络数据，实现了k-对称匿名发布，评估了这种匿名发布方法的可用性，并且验证了有效性。