近年来,随着社交网络的蓬勃发展和定位技术的不断完善,社交网络数据中的时空数据呈现爆炸式地增长。由于时空数据在发布过程中存在隐私泄露的风险,因此面向社交网络的数据隐私保护技术成为了研究热点之一。通常情况下,社交网络中的用户遵循一定的周期规律在固定时间段内于同一位置签到,从而使得发布的时空数据广泛地存在周期规律。然而,现有隐私保护机制没有考虑此种时空规律性,因此发布的时空数据存在泄露用户的时空规律性行为模式隐私的风险。针对此问题,本文首次定义并研究了面向社交网络的时空模式隐私保护技术。首先,本文详细地阐述了时空模式隐私推演机制,提出拟采用抑制和泛化技术保护时空模式隐私,同时定义了相关信息损失函数评价隐私保护过程中导致的信息损失,为时空模式隐私保护技术的设计和实现奠定基础。然后,提出时空模式隐私保护算法(记作STPPP)。通过抑制和泛化时空数据来防止时空模式隐私泄露;设计启发式规则实现优先处理具有高保护贡献度和低信息损失的时空数据,从而在保护时空模式隐私的同时保证发布时空数据的高可用性;基于用户的移动模式、位置间的时空可达性泛化时空数据,使得发布的数据符合用户的移动模式,防止被攻击者识别真实的时空数据;提出数据更新策略,优化STPPP算法的执行效率。最后,基于真实的社交网络数据进行实验测试,并与现有方法进行对比和分析。实验结果表明,时空模式隐私保护算法在有效地保护用户的时空模式隐私的同时,保证了其执行高效率和发布时空数据的高可用性。