随着智能手机和智能终端的广泛应用,在线社交网络也开始迅猛发展,各种各样的社交活动开始产生。人们在随时随地享受在线社交网络带来的乐趣之余,也面对了一些问题,例如智能手机和智能终端会受到能耗、有无网络的限制问题,针对在线社交网络的缺点,PMSN(Proximity-Based Mobile Social Networks)近邻移动社交网络的出现,不仅解决了这些问题,也满足了用户的实际需求,成为了当下比较热门的研究课题。首先,本文介绍了目前近邻移动社交网络应用的两种典型方法,基于可信任的第三方隐私文件匹配方法和分布式隐私文件匹配方法两种,并分别描述了两种方法的研究现状以及存在的问题。其次,针对目前基于可信任的第三方隐私文件匹配方法的缺点提出了分布式计算方法,并针对分布式计算方法目前存在的计算开销高以及无法满足用户对某个属性的实际需求两个问题,提出了提前过滤协议的方法,通过减少参与隐私文件匹配的人数来减少总体的计算开销,并使用相关系数法进行相似度计算,以更好地满足用户的实际需求。然后,针对分布式计算方法的计算开支问题以及基于可信任的第三方隐私文件匹配方法的隐私安全性问题,在本文中提出了基于可信任的第三方的双服务器计算方法,双服务器指的是匿名服务器和计算服务器,匿名服务器的作用是保证用户的隐私,计算服务器的作用是帮助发起用户和参与用户进行相似度计算,通过双服务器方法不仅可以减小计算开销也能保证用户的隐私安全性。最后,对于真实的数据集,在MATLAB环境下进行实验,并与目前典型的方法作对比,对本文提出的两个算法进行性能分析。