社交网络中敏感信息的隐私保护成为亟待解决的问题。目前现有的社交网络隐私保护方案中,节点及边的隐私保护以随机化扰动策略与K匿名算法为主。这些方案能够提供一定程度的数据安全性,但易出现噪声冗余现象,无法兼顾数据的安全性与数据可用性。由于差分隐私提供更严格的安全控制,因此成为热门的研究方向。众多差分隐私方案中,针对网络拓扑结构信息查询的研究大多集中在度分布及最短路径分布等查询上。这些方案中查询函数对网络规模较为敏感,会随着网络规模的变化而剧烈变化,导致差分隐私的实施过程比较复杂。另外,这些方案无法兼顾网络中节点及边的双重隐私安全。基于此,本文提出了两种同时保护网络节点与边信息的拓扑结构相关隐私保护算法。为了有效减少噪声冗余,同时兼顾数据安全性与可用性,本文提出一种将节点集体影响力(CI)作为扰动基础的隐私保护算法。首先本文详细介绍CI,通过理论分析与证明,得到CI的分布特征。在充分了解该属性值的基础上,提出边权重扰动策略,将随机化及归一化处理的CI作为噪声源,对边权重实施扰动策略。通过理论分析证明了该策略对网络中最短路径的影响。其次,在边权重扰动策略基础上加入节点扰动策略:以CI作为网络冗余节点的判别指标,去除部分冗余节点。实验证明CI的分布与理论分析契合,与网络节点度分布一致。与已有工作相比,提出的扰动策略在增加节点及边权重的双重隐私保护强度后,仍能够保留较好的数据可用性,同时在数据安全性上有大幅度的提高。为保证网络拓扑信息查询时数据的安全性,本文采用差分隐私安全机制,提出对平均路径长度(APL)的查询算法,实现网络节点及边权重的双重隐私保护。首先,通过对网络APL的表述,分析选择该属性作为查询函数的原因。其次,本文进一步分析与证明了节点隐私保护需求下,基于APL查询的全局敏感度。结合已有研究,提出了差分隐私中边权重邻居图概念,分析并证明了边权重隐私保护需求下,基于APL查询的全局敏感度。最后,得到同时满足二者需求的全局敏感度。本算法在简化差分隐私算法执行过程的同时,保证了网络中包括节点及边权重在内的隐私数据不被泄露,并通过实验分析了本策略实施后数据可用性与差分隐私中隐私控制参数之间的关系。