基于相似度匹配的移动社交网络(PMSN)在移动设备日益普及的今天,其应用越来越广泛,针对它的相关研究也越来越热门。而在相似度匹配的过程中,对于用户个人属性的隐私保护和对匹配效率的提高的要求越来越迫切。在以隐私保护的情况下求集合的交为基础的匹配方案中(如GBF方案),还存在安全性不够,通信开销过大等问题;在基于相似度的属性匹配方案中,还存在属性条目区分度不够,相似度的度量标准表达能力有限,以及匹配的时间效率有待提高等问题。针对以上在基于相似度匹配的移动社交网络中亟待解决的问题,本文的主要工作如下。(1)通过对已有的GBF方案分析,发现其安全性和通信开销方面存在的不足。提出了一系列改进的GBF方案,提高了安全性并减低了通信量。提出的避免在碰撞中暴露元素的方案,可以有效地避免攻击者验证碰撞,从而避免用户的集合元素的泄露;提出的避免字典攻击的方案通过引入带密钥的消息认证码和其他类似的带密钥的验证手段,可以有效地避免字典攻击,使得攻击者无法验证其攻击是否成功,同时只增加少量的计算量和通信量;提出的降低通信量的方案通过引入位移使得元素在GBF中对应的位置不再固定,进一步提高了安全性,在保证足够安全性的情况下,还通过缩小字符串的长度降低了通信开销。多个改进的GBF方案都可以用于后续的用户属性匹配隐私保护的问题中,可以保护用户在匹配中属性名称不会泄露。(2)通过对已有的细粒度用户属性匹配方案的分析,发现其表达力和通信开销方面存在问题。提出了一个在移动社交网络中用户自定义属性匹配的隐私保护的方案。通过引入加权的曼哈顿距离作为相似度值的度量,其中的权值和阈值都可以由用户自己指定,用户可以更加精确地表达自己的匹配需求和偏好,也能更精准地找到想要匹配的对象。通过利用之前提出的改进的GBF方案,用户自定义属性匹配方案可以保护属性条目的名称和值的隐私。另外,通过全面的性能评估,证明了所提的方案跟有关方案相比,在计算和通信开销两个方面都是高效的,特别是当属性条目的最大值比较大的时候。本文针对移动社交网络中基于相似度匹配的隐私保护问题展开研究,提出了一系列解决方案,提高了已有方案的安全性和效率,进而使得属性匹配能够更加安全、可靠、高效地在移动社交网络中实用。