作为Web2.0技术产物之一,社交网络(Social Network Service,简称SNS)已经成为当今网络应用的热门。Facebook等SNS应用谱写了一个又一个用户激增和财富暴涨的神话。随着社交网络的应用,人们分享和发布的信息也越来越多,用户隐私信息的泄露问题也日益严重。本文将研究内容分为个人信息隐私保护和人际关系隐私保护两个方面。在研究个人信息的隐私保护方面,在传统表格式数据的隐私保护基础上,分析了K-Anonymity模型,L-Diversity模型以及个性化匿名模型的优缺点,综合考虑了社交网络中个人信息隐私保护的个性化需求,提出了个性化(P,α,K)匿名模型。该模型考虑了隐匿字段P,隐匿层次α和标识符相同的个数K等因素,通过先设置需要个性化隐匿的字段和层次,再进行K匿名处理,从而提高算法的效率,论文详细阐述了个性化(P,α,K)匿名模型中数据隐匿和泛化的过程。本文并讨论了计算隐私泄露风险与信息损失的方法和度量。在研究人际关系的隐私保护方面,本文分析了典型的图发布中的隐私保护方法,在现有三级保护框架的基础上,提出用户可以自定义设置的四级保护模型,将隐私保护程度从低到高分为节点信息保护,节点信息和度数综合保护,边的标签信息泛化,相邻节点保护。该模型允许用户设置不同的隐私保护程度,并且综合了节点间边的结构信息保护方法和微数据的隐私保护方法。最后,通过搭建实验仿真平台,实现了个性化(P,α,K)匿名模型,通过实验数据分析了该模型的运行时间与信息损失量,验证了该模型适用于社交网络中的个人信息的隐私保护。通过对开源的社交网络可视化程序Vizster的修改,实现了增加节点和边的功能,针对自定义设置的四级保护模型,实现了对社交网络中人际关系的隐私保护。