社会化网络服务(Social Network Service, SNS)作为一种新兴的互联网应用模式，正受到人们越来越多的关注。SNS网站数据对于经济预测、疾病研究、舆情分析等都具有重要的意义，然而这些数据中含有大量的个人隐私信息，如果直接将其发布势必会造成个人隐私信息的泄露。因此，在发布SNS数据时如何有效地保护用户的隐私信息，已成为信息领域近年来的研究热点。论文首先介绍了课题研究背景及意义，分析了SNS网站中存在的隐私安全问题，分别从面相关系型数据和结构型数据两方面介绍了现有的隐私保护技术。针对目前SNS网络隐私保护算法匿名后数据可用性差等问题，结合两种类型数据的实际应用，分别提出了两种改进算法，并通过实验说明了算法的有效性。(1)针对传统K匿名算法数据可用性差的问题，本文提出了一种基于Bagging的ELM集成算法，并将其与基于Seeds集的半监督聚类算法相结合应用于隐私保护。实验结果表明，该算法在有效保护隐私的同时，提高了发布数据的可用性。(2)针对SNS网站结构型数据发布隐私保护效果差的问题，提出了一种基于贪婪策略的隐私保护算法。算法首先将原始网络划分为多个类，然后通过类内边泛化和类间边泛化使得每个类中的顶点具有相同的结构特征。实验结果表明，该算法不仅能有效的保护SNS网站用户的隐私安全，还能提高SNS网络数据的可用性。