人们在社会网络中的关系和活动可以被别人所了解和共享，在社会网络中的快速增长的服务和应用的数量带来的隐私泄露的问题不容忽视。由于图中的数据拥有非常丰富的信息，对比于传统的数据库或者关系模型的隐私保护，已发布的社会网络中的隐私保护技术仍然处于研究初期，因此越来越引起人们的关注。通过研究国内外对社会网络的研究现状，以及相关建模与技术理论知识，本文主要进行了以下研究。本文针对社会网络会泄露用户隐私信息这一问题，通过研究社会网络的形式和特点，根据图论的知识对社会网络图进行建模。首先利用朴素匿名化相关概念对社会网络图进行朴素匿名化操作预处理，然后利用隐私保护和图论的相关知识进行深入理论分析得到匿名化社会网络图数据的限制约束条件，根据条件对社会网络图进行隐私保护。根据不同规模的社会网络数据，选择不同的扰动程度进行隐私保护，这样将保护后的社会网络图发布出去，一定程度上既能够保证更好的保护用户隐私，同时匿名后的数据有很好的效用性。最后，本文通过实验对提出的算法进行验证，并对实验结果进行对比分析，实验表明了算法的优越性，并讨论了今后进一步改进的方向。