随着智能移动终端的爆炸式发展,移动社交网络(Mobile Social Networking, MSN)已经成为我们日常生活中至关重要的一部分。MSN使得我们能够随时随地享受社交网络应用,像Facebook、Foursquare、LBS等等。而其中最重要的一项应用就是基于接近度的移动社交网络(Proximity-Based Mobile Social Networking, PMSN)。PMSN是指,用户利用自己智能终端上的蓝牙或者WIFI,与一定物理范围内的其他用户,建立社交活动的一项应用。PMSN为用户提供更多与邻近用户建立社交活动的机会,并且当没有网路接入的时候,这无疑是唯一的机会。若想与周围用户建立社交活动,用户之间需要进行属性匹配,以此找出与自己志同道合者。然而,在匹配过程中,用户需将个人属性信息暴露给他人,这与用户越来越看重的隐私问题格格不入。因此,用户更希望在能够保证个人隐私的情况下,无所顾忌的享受这一应用带来的便利。为了实现隐私匹配,许多学者基于传统加解密算法提出各种优秀的解决方案。但是所提方案在算法方面总有这样或者那样的不足,并且,利用传统复杂的加解密算法来实现的匹配方案往往需要很大的耗时,而移动设备相对来说,总是资源很受限,因此所提方案并不适用。基于上述问题,我们提出了一种新颖的高效的基于权重的隐私匹配方案,与传统的基于加解密方案不同的是,我们仅仅依靠利用简单的混淆矩阵变换,并且,我们全面考虑了用户共同的属性及对不同属性的不同爱好程度,相关性能及实验分析验证了我们的方案实现了高效的隐私匹配。本文的研究工作主要如下：1. 总结了现有基于接近度的社交网络中存在的隐私匹配方案及其不足,针对现有方案中未解决问题,提出一种新颖的高效隐私匹配方案。我们利用简单矩阵混淆变换来代替传统方案中复杂的加解密算法,可以大大降低计算复杂度,改善执行耗时,进而实现更高效的隐私匹配；2. 全面考虑了用户共同的属性及对不同属性的不同爱好程度,计算出了两两用户之间不同的匹配值,以此实现全方位的匹配,让用户能够更细致的寻找好友。3. 针对现下比较流行的群组匹配问题进行了一定的分析研究,并针对群组匹配中的问题,将我们两方匹配方案进行一定的扩展,给出了一种高效的群组匹配方案。4. 利用安全第三方(Trusted Third Party, TTP)对用户个人信息进行签名认证,防止恶意用户进行穷举攻击,在很大程度上保证了用户的隐私；5. 我们对本方案进行了详细的安全性能分析,并进行了仿真模拟实验,通过分析和详细的图表对比得知,我们的方案可以实现高效的隐私匹配。