网络分析是利用图论等工具研究网络结构的过程。网络分析技术在衡量节点重要性,加速网络信息传播,预测未知链接等方面都有非常重要的作用,并且在社会学、经济学、地理学等众多领域广泛应用。然而,现有的研究集中于设计或优化网络分析算法,对恶意网络分析,也就是攻击者滥用网络分析技术这一安全问题重视不足,该问题可能会造成隐私与安全风险。本学位论文面向紧密度中心性这一网络分析技术,从降低领导节点数值或降低其节点排名两种不同的途径出发,提出躲避恶意网络分析的领导节点隐匿方法。本学位论文的主要工作与创新点如下:首先,针对降低领导节点紧密度数值这一问题,将该问题转换成删去有限数量边,使节点紧密度数值最小化问题,并证明该最优化问题是NP困难的。基于贪心思想设计贪心近似算法,以获得最优化问题的近似最优解,然后基于剪枝思想提出动态更新节点紧密度数值算法。结合贪心算法和动态更新算法,能够减少重新计算数值的时间花费,且证明贪心解存在理论下界。初步实验结果显示,动态更新算法的平均加速率在10以上,能够显著减少复杂网络中重新计算所需时间,表明该算法是有效的。除此之外,实验在选取现实和随机网络数据集中,将贪心算法解与最优算法解和基线算法解对比,最小近似率达到0.85,远高于其理论下界(1-1?0)=0.63),且贪心算法解结果优于基线算法解,表明该贪心算法是有效的。然后,研究了以紧密度排名作为节点衡量标准下,网络领导节点隐匿方法。与上一方法类似,先将节点隐匿问题转换成相应的最优化问题,并证明该问题是NP困难的。针对该问题不具有次模性,纯贪心算法解不存在理论下界的问题,提出贪心模拟退火算法,以提升近似解的准确率。基于最短路径和下限计算方法,提出紧密度排名快速计算算法,减少计算领导节点排名所需遍历网络次数。紧密度排名快速计算算法的实验结果中,除ER网络外,其他数据集中该算法的加速率在9以上,表明该快速计算算法是有效的。在实验中,还通过与最优解和基线算法解的对照实验,表明贪心模拟退火算法是有效的。