随着互联网技术的发展,用户群体规模与日俱增,由此产生了大量的数据,由于数据之间关联关系的存在,这些数据大多以“图”表示。对一些高频使用的社交软件来说,每天都会产生大量的数据,而数据发布作为资源共享的重要途径之一,能够为企业提供更具有竞争力的市场价值,同时为用户提供更加优质的服务,使用户拥有更好的使用体验。在将相关图数据发布给第三方时,数据中所包含的一些敏感信息面临着隐私泄露的风险,给个人和企业带来了很大的麻烦。针对数据发布中的隐私保护问题,本文提出基于图摘要的大图数据隐私保护模型,旨在保护用户隐私的同时,使发布的数据具有更高的效用价值。图摘要技术提供了一种对图数据进行不同程度抽象的方法,能够实现快速图查询,它通过聚合符合要求的节点,根据不同的摘要规模,生成摘要图。通过分析网络图的特点,充分考虑图中所包含的属性信息,寻找节点间的相似性特征,对互为二跳的节点进行摘要,并对摘要过程中的损失增量进行定量计算;另一方面,为了改进传统的基于聚类的隐私保护算法信息损失大和执行效率低的问题,本文利用平衡图摘要的思想,使用局部泛化策略进行匿名处理,抵抗属性链接攻击以及具有图结构背景知识的攻击。最后,使用仿真数据集及真实图数据集进行实验,并从多个维度选择评估指标对算法的有效性进行实验验证。实验结果表明,基于图摘要的图数据隐私保护算法能够生成更具有效用价值的匿名图。