张付霞和蒋朝惠[2]针对大多数社交网络隐私保护研究中存在的“社区结构防护”和“人员属性隐私保护”没有真正结合的问题,提出了一种基于密度聚类算法的社交网络隐私保护方法。该方法对社交网络中的节点进行密度聚类分析,得到各种各样形状的簇,然后通过对簇内的节点进行泛化、在簇内插入若干真实节点、增加边等方式来实现对节点信息和节点之间关系的信息的保护,从而真正实现了社区结构防护和人员属性信息的真正结合。
移动社交网络中的隐私保护方面,江苏大学的陈伟鹤和李文静等人[3]针对移动社交网络中敏感的地理位置信息有可能遭受攻击的问题,提出了一个隐私保护模型L-intimacy,该模型建立在社交网络好友的亲密度分级之上,来防止来自冒充好友的攻击。他们指出,现有的关于地理位置隐私信息的保护方法都是对位置信息泛化处理,但是这种处理方式都会牺牲用户的服务质量,而且没有考虑社交网络中好友不同的可靠程度发布不同准确度的地理位置信息。该L-intimacy模型既保护了移动社交网络中的有关地理位置的隐私信息,又把信息损失度降到了最低。
此外,陈文[4]针对移动社交网络中的缺席隐私保护问题,建立了一个隐私保护模型。该模型允许用户设置个性化的隐私参数,给出了移动网络下缺席隐私保护的条件,然后采用泛化的方法实现移动网络中的缺席隐私保护。该方法在计算时间大致相当的情况下,具有较小的发布延时。
国外关于社交网络中隐私保护的研究开展的较早。Barabara Carminati等学者提出了一种基于规则上的访问控制机制,这种机制中,社交网络中节点的类型,节点深度以及节点的信任等级三个元素组成了被授权访问的用户。跟其他的访问控制机制相比,这种访问控制机制采用了半分布式控制架构,客户端负责执行访问控制策略,用户访问社交网络中的资源时需要提供自己已经被授权的证明。
Leucio Antonio Cutillo等人提出了一种适用于P2P社交网络的去中心化的隐私保护方法。该方法中,主要依靠匿名技术来保护用户访问数据以及数据交换中涉及到的隐私信息,而匿名技术则可以通过相互信任的社交网络中节点的合作实现。这种方法也允许用户自定义访问资源策略。