互联网作为信息革命新一轮生产力爆发的浪潮,越来越受到人们的重视。随之而来的是互联网应用的井喷式发展。社交网络作为互联网应用中重要的一员,被越来越多的人们所接受,成为人们交友、发表信息、传播信息的交流平台。但是,随着社交网络平台用户的增多,越来越多的用户通过或被动、或主动的方式将自己的个人信息提供给社交网络平台,比如性格、学校、生日等信息,这些信息通常包含有用户的敏感信息。而且随着用户几何倍的增加,平台中的数据信息越来越多,这使得许多领域的专家学者希望通过对其中大量数据进行挖掘、分析,以获得有用的知识。再加上平台的开放性等自身特点,使得用户的敏感信息面临着泄露的风险。因此,论文分析了社交网络中的敏感信息、攻击方式及常用的隐私保护技术,针对社交网络边权重的隐私泄露问题进行研究,主要工作包括:(1)针对现有的边权重隐私保护技术存在基于攻击者背景知识有限或者最短路径不可分析的问题,本文提出一种基于差分隐私保护模型的边权重保护策略。该策略首先根据差分隐私保护模型及社交网络的特点构建查询函数,形成差分隐私保护算法;然后将社交网络构建不同的子图,并针对不同的子图提出扰动方案;最后对不同的子图按不同的扰动方案实现差分隐私保护算法的扰动。实现了抵御攻击者拥有最大背景知识下的攻击,同时实现扰动后的社交网络最短路径不变,其长度大致相同。保证社交网络边权重的安全性及最短路径的可分析性。(2)提出的基于差分隐私保护模型的边权重保护策略,主要针对的是边权重表示具体的敏感信息及节点间关系的情况。当边权重表示用户节点间的属性相似性时,通过提出的基于差分隐私保护模型的边权重保护策略进行保护,存在部分目标节点的敏感属性泄露的情况。因此,本文针对边权重表示用户节点间的属性相似性的情况,提出一种改进的基于差分隐私保护模型的边权重保护策略进行保护。该策略通过对查询函数、子图构建以及扰动方案进行改进,以满足当边权重表示属性相似性时的保护,保证了目标节点的敏感属性安全。