随着数据共享度的提高,以及数据挖掘技术的发展,人们在获得更多信息的同时,个人隐私数据的泄露也越来越得到重视。隐私保护主要包含两方面内容：敏感知识的保护和敏感数据的保护。敏感知识主要指从数据库中提取的关联规则、分类规则等敏感知识；敏感数据是指可以对应到个体,从而导致个体被暴露的隐私数据。随着网络技术的发展,社交网络应用也越来越普及,大量的复杂的网络数据需要保护。本文研究社交网络数据的隐私保护,主要研究工作如下：1)总结关系数据库中的隐私保护技术,介绍了常用的攻击模型、匿名模型、匿名算法、信息可用性和背景知识等。2)介绍了社交网络的相关概念和组成、主要的研究领域,总结了社交网络中的隐私保护技术,包括隐私的定义、匿名模型、匿名方法等。3)提出了社交网络中路径节点的(k,u)-PN匿名模型和算法。(k,u)-PN匿名模型,对端点间路径节点的总数和每个节点所属路径占所有路径的比例进行了限定。解决了在攻击者对目标节点信息了解很少,但是对它的邻近节点有一定的背景了解,尝试利用其外围节点之间的路径连接来对该节点进行识别的攻击。PN-匿名算法通过网络中边的增加、节点的增加算法,使节点之间的可达路径变得多样,路径中的节点个数变多,从而保护了由于节点之间的路径单一造成路径中的节点被攻击者攻击识别。4)提出了社交网络中有权图的k-sum_value匿名模型和算法。已有的k匿名模型是解决无权图中的节点度的匿名,本文将节点的度的概念扩展到有权图,以与节点相邻的所有边的权值之和作为有权图中的节点度(记作sum_value),提出了k-sum_value匿名模型,限定了图中具有相同sum_value的节点个数。避免了攻击者在对有权图中目标节点度的信息有所了解时,对节点的攻击识别。并给出利用增加权值、增加边和节点拆分三种手段的匿名算法,使图满足k-sum_value匿名。