近年来社交网络技术的不断发展，以及移动终端设备大范围的普及和应用，催生了移动社交网络的出现，其迅猛的发展对人们的生活和工作产生了极大的影响，并成为我们日常生活不可或缺的重要组成部分。基于邻近的移动社交网络是随着移动社交网络的进一步发展而逐渐出现的一条重要分支，它指的是在地理位置上相互邻近的移动用户之间，通过移动设备上的WiFi/Bluetooth等接口进行各种各样的社交活动而形成的一种状态。基于属性的朋友匹配与传统的好友推荐相比较，它更能满足用户的个性化需求，使得用户之间不再是被动地接受第三方的推荐，而是通过设定特定的属性主动定向的寻求自己感兴趣的好友。　　基于邻近的移动社交网络中基于属性的好友匹配不仅方便和丰富了人们的社交活动，使得有相同兴趣的移动用户之间自由地交流，也促进了移动社交网络的进一步发展，因此受到越来越多的移动用户的青睐。但是，在这个信息爆炸式发展的时代，人们在享受信息带来的方便的同时，也承受着个人隐私信息泄露带来的困扰，因此人们对自己的个人隐私问题也越来越关注。针对这些问题，本文设计了基于属性的两方朋友匹配方案、多方朋友匹配方案和群匹配方案，这些方案不仅实现了用户之间的个性化和细粒度匹配，还使得参与匹配的用户的个人隐私信息得到了有效的保护。本文的主要内容如下：　　(1)我们针对基于属性的好友匹配问题分析了其研究背景以及近年来提出的匹配方案。这些方案通常需要第三方服务机构的支持，实现了用户之间的粗粒度匹配，不能全面地保护用户的隐私信息，并且计算量相对较高。　　(2)针对基于属性的两方朋友匹配问题，我们设计了安全高效的匹配方案。在该方案中，我们对每个属性设定合适的权重，基于属性的权重实现了用户间的细粒度匹配；该方案采用了模指数加密和RC4对称加密相结合的方法，在有效保护用户隐私信息的同时，降低了计算耗时，提高了执行效率；同时，该方案不依赖于任何第三方，提高了匹配方案的灵活性。　　(3)我们将基于属性的两方朋友匹配方案进行了拓展，使其对多方朋友匹配同样适用。该方案并不仅仅支持两个用户之间的匹配，当第三方用户响应匹配请求时，它可以实现该用户与已经形成的社交群之间的匹配，同时保证该用户与所有参与匹配的群成员的隐私信息不被泄露。　　(4)针对群与群之间的匹配问题，我们设计了一个高效的群组匹配方案。该方案基于群成员的属性和属性对应的权重值，实现了两个群之间的精确匹配；同时，该方案不依赖于复杂的加解密算法，而是引入了置换函数，不仅保护了群成员的隐私信息，还降低了匹配的计算时间，提高了方案的执行效率。