在线社会网络(Online Social Network, OSN)为用户提供了分享、组织、查找资料的重要途径,是一种备受用户青睐的网络交流方式。在线社会网络已成为社会网络(Social Network, SN)、复杂网络以及Internet应用的研究热点。但是在线社会网络中存在着数据集中存储以及用户隐私数据泄漏的问题。本文利用社会学、数据挖掘中的社会网络分析(Social Network Analysis, SNA)方法以及图论、概率论等研究方法,针对在线社会网络存在的上述问题进行深入研究,取得了如下创新性成果:1.建立了一种基于对等计算模式以及网络节点社会属性的对等社会网络(P2P Social Network, P2P SN)。该网络具有两层结构,底层为根据节点社会相似性建立的社区网络,上层是基于Chord的结构化P2P网络。此种层次化的分布式社会网络,变集中式数据管理为分布式数据管理,解决了目前在线社会网络中数据集中存储所带来的弊端。2.提出了一种能够适用于对等社会网络中资源搜索与资源发布的高效的社会感知(social-aware)路由算法。根据节点间的社会距离和社会相似性建立信息传播机制,确定出网络中的关键节点和桥梁节点,并通过关键节点或桥梁节点分别在网内或网间进行资源和消息的转发,从而减少了查询开销,提高了信息传播效率。3.构建了对等社会网络的信誉模型,建立了网络节点信誉评价体系。充分利用节点的社会关系确定节点的信誉值、评价节点的信誉度,并设计出一种每次交易后节点信誉值(含社会信誉及交易信誉)的更新算法。根据节点信誉度确定访问权限以实现授权访问,减少了节点的恶意行为,有效防止了用户隐私数据泄漏。课题结合理论分析、仿真及实验对模型进行了评价和验证。课题研究为优化在线社会网络提供了理论基础和方法支持,因而具有理论意义和实用价值。