在信息科技技术快速发展带动下，社交网络也在以前所未有的规模进行发展，对于社交网络使用的用户数量也在与日俱增。大量的用户信息给予了社交网络分析极大地便利，研究者对社交网络数据进行分析可以得到很多有用的信息。用户在使用社交网络技术的过程中，被动或者主动的将自己的个人隐私或与其他用户之间的关系等各种敏感信息公之于众。这些敏感信息的泄露对于用户造成很大的麻烦甚至是经济上的损失。因此对于社交网络中用户的隐私数据进行保护变得十分重要，这关系到用户乃至整个网络的安全。
　　传统差分隐私保护模型对社交网络数据攻击时直接扰动社交网络图图形结构中数据信息，导致发布后的数据可用性降低。针对这一问题，提出了基于层次随机图模型的差分隐私保护算法CHRG-DP，将社交网络数据分成子图集合，对每部分都采用对应的隐私保护方案，隐私保护过程中对于数据进行了一次指数机制和一次拉普拉斯机制的隐私保护。在保护社交网络数据的同时，保证了发布的数据的可用性。实验将CHRG-DP算法同传统差分隐私保护算法Tr-DP以及PriHRG做了对比，实验评估表明，通过CHRG-DP算法保护后的数据更加具有使用价值。
　　部分社交网络数据具有动态实时性，针对 CHRG-DP算法对动态社交网络数据中部分信息无法保证隐私这一问题，引入了时间窗口概念，在CHRG-DP的基础上设计了THRG-DP算法。将一个时间窗口下分成若干个时间片，从若干个时间片中抽取社交网络数据进行差分隐私保护，最后发布生成符合最适合反映该时间段下社交网络图特征的社交网络数据。实验证明THRG-DP算法对于动态的社交网络数据能够有很好的隐私保护效果并能保证数据的真实有效性。
　　最后，在前文所提算法的基础上设计了一个简单的社交网络数据保护系统，系统主要有针对静态社交网络数据保护和动态社交网络数据保护两大块功能，将设计的两个算法应用于实际中。通过系统结构图和系统流程图完成了对于系统的描述，通过具体界面展示了系统的运作流程，在提升社交网络使用的体验同时，保证了其中的数据的安全性。