随着大数据时代的到来以及信息技术的快速发展,社交网络也以前所未有的规模在飞速地发展,社交网络中的用户信息也在日益剧增,海量数据遍及社交网络各个平台。社交网络中包含着用户大量的个人隐私数据,以及用户之间的关系等各种敏感信息,因此在社交网络中的用户信息存在着很大的安全隐患。在社交网络中进行交友、信息交互、资源共享的同时无不存在着隐私泄露的风险。如何对社交网络中的数据在进行数据发布及数据挖掘的同时实现对用户的隐私进行保护变得尤为重要,这关系到用户个人以及整个社交网络的信息安全。针对社交网络中不断增长的数据以及传统方法只是对静态数据进行相关处理的问题,提出了基于差分隐私保护的动态聚类算法,能够动态地对社交网络中的增量数据进行聚类,并能够在采用差分隐私保护技术的基础上有效地处理海量信息,不仅提高了聚类的效率也更好地保护了隐私信息。针对社交网络中可能存在的交叉攻击和组合攻击,提出了基于差分隐私的LBS群组最近邻查询隐私保护算法。提出了群组构建方法并采用了群组隐私预算分配机制;提出了用户位置扰乱算法,将群组最近邻查询转换为群组质心的最近邻查询,并应用于整个隐私保护框架中,以便有效地抵御恶意节点的交叉攻击以及组合攻击。基于隐私保护和信任之间相辅相成、相互依赖的关系并且不同程度的信任也会对应着不同程度的隐私保护,对社交网络中节点之间的可信度进行有效评估并结合现有的差分隐私保护技术,有效地将信任评估机制与差分隐私保护技术相结合,从而更好的保护了社交网络中的隐私信息。最后,在完成理论研究的基础上设计了一个社交网络中基于差分隐私保护的数据发布与挖掘系统,提升了社交网络的使用体验,也有效地保护着社交网络中的信息安全。