随着现如今社会网络技术的快速发展,大量的种类繁多的社交App渗透进人们生活的同时也带来了安全隐患,隐私保护成为现如今社会网络研究的一大热点。很多专家投身于数据隐私保护或社区发现并取得了很大的研究成果,但是鲜有专家将两者结合运用到一起,得到社区网络和隐私保护两者兼顾的效果。本文研究一种二者兼顾的K-对称-N社区发现的隐私保护算法,此算法针对社区结构比较明显的社会网络,在不破坏其社区结构的条件下进行隐私保护,以弥补现今大多隐私保护算法并不考虑社会网络的社区结构的缺点。K-对称-N匿名算法是首先用基于完全信息图的GN算法进行社区划分,其次用K-means算法将社区聚类为X个簇,再次调用虚拟社区产生算法使得每个簇内至少含有N个社区,最后对每个社区使用K-对称匿名算法。本文首先对现如今的社会网络发展背景进行简述,介绍了社会网络的隐私保护现状,并重点介绍了GN社区发现算法,k匿名算法和k-对称匿名算法。其次针对GN算法的时间复杂度过高和划分精确度过低的缺点加以改进得出基于完全信息图的GN算法,并用此算法将社会网络进行社区划分,再次用K-means算法进行社区聚类并用虚拟社区产生算法对不足簇内含有少于N个社区的簇产生虚拟社区。最后提出了K-对称-N匿名算法,其是将改进的完全信息图GN算法、社区聚类算法与K-对称匿名算法相结合运用。并根据社会网络的用户的信息隐私度、信息损失度、算法的时间复杂度三个方面对比实验证明K-对称-N匿名算法的可用性和有效性。