作为传统在线社交网络(Online Social Networks,OSNs)集中式架构的替代方案,对等网络(Peer-to-Peer,P2P)可以解决集中式体系架构存在的安全隐私问题和单点故障问题。资源搜索是对等社交网络的关键组成部分,资源搜索模型设计的有效性和搜索策略的效率、准确率是影响对等社交网络整体性能的重要因素。因此,对对等社交网络模型和资源搜索策略进行研究具有现实意义。本文首先对社交网络和对等网络中的相关理论知识和关键资源搜索技术进行了研究和介绍,在此基础上结合相关研究成果,对对等社交网络中的资源搜索模型和资源搜索策略进行了详细研究,具体的研究内容如下:(1)针对传统P2P网络中的搜索模型无法适应对等社交网络动态变化,导致资源搜索效率不佳的问题,设计了一种基于兴趣的自组织资源搜索模型IRSM(Interest-based Resource Search Model)。该模型通过使用人类社交理论让用户以自组织的形式自发形成资源社区和社交知识网络,以提高未来的搜索效率,并且整个过程不需要额外的网络开销;模型中设计了黑名单列表,以较好地减少用户频繁上下线对搜索过程造成影响。(2)针对传统资源搜索策略开销大、效率低和不支持多主题复杂查询等问题,在自组织资源搜索模型的基础上提出了一种支持多主题查询的自适应资源搜索策略MTRS(Multi-Topic Resource Search)。首先,提出了一种策略性查询方法,以提高网络建立初期的节点成功找到资源的概率;其次,提出了一种新颖的推荐节点获取策略,用来发现可能含有查询资源的节点;最后,提出了一种自适应转发算法,将获取到的推荐节点进行自适应转发,达到以较少的网络开销获取到较优的搜索效率的目的。(3)本文设计了一个P2P社交网络软件仿真平台,用来模拟动态网络环境下的对等社交网络中的资源发现过程。本文从召回率、发现资源数、网络开销等方面对资源搜索策略的综合性能进行评估。实验结果表明,与其他资源搜索方法对比,所提出的资源搜索策略具有较高的召回率和较低的网络开销。