当前社会处于大数据时代,信息技术发展日新月异,海量数据可以得到有效存储,通过数据挖掘可以从这些海量数据中得到十分丰富的可利用高价值信息。然而,数据集里通常包含许多个人隐私内容,如何发布这些数据,使其能够在保护个人隐私的前提下,为数据分析和数据挖掘者提供良好的数据可用性一直是隐私保护领域研究的重点内容之一。差分隐私概念的提出,基于攻击者最强知识背景的假设,对隐私保护进行了严格和可量化的定义,为隐私保护提供了最强的保证。本文基于差分隐私保护模型,研究非交互式下的大规模复杂网络的数据发布,以发布满足差分隐私定义并具有良好可用性的完整数据集为目的。在算法研究方面,本文主要研究内容是提针对复杂网络,即选取小世界网络模型为代表的复杂网络模型,以基于四分树的差分隐私二维数据划分发布算法为基础,提出两个改进算法即基于节点重要性的四分树差分隐私数据发布算法和基于社区划分的四分树差分隐私数据发布算法,然后分别通过对比实验分析说明了本文所提出的这两个算法对复杂网络隐私保护程度的提高。在实验研究方面,对复杂网络结构的抗毁性分析,本文通过对两个经过改进差分隐私算法保护的复杂网络模型进行网络攻击,分析经过多种攻击类型攻击过的网络数据隐私保护能力与抗攻击能力是否增强,并对复杂网络隐私保护前后稳定性变化程度进行分析。