随着计算机的数据处理能力、存储能力日益革新以及移动电子设备的日趋成熟,数据正以海量级别产生,其中不仅包含通信实体自身信息同时还含有通信实体之间的交流信息,进而形成了以网络为载体,参与个体为结点,个体间关系为边的新型“社会网络”。目前社会网络研究可分为社团划分、推荐系统、社会网络隐私保护等方向。本文针对社会网络中社团K-匿名这一主题在社团划分、图像相似性检测、社团匿名隐藏三个方面做了研究。社团划分为社团匿名隐藏提供了数据基础,图相似性检测为社团匿名隐藏提供技术支撑,社团匿名隐藏采用社团划分和图相似性检测实现社团K-匿名,各模块研究内容为：(1)研究了基于结构相关的社团划分算法,针对算法原型存在初始结构选用不当以及划分存在结点遗漏的弊端,提出了结点角色类型改进；将改进后的算法扩展成基于结构相关的社团划分处理框架(BSCHEF),利用“指针—计数”机制改进原算法的数据处理策略；最后,利用BSCHEF在C-DBLP国内合著学者网络上进行社团划分研究。(2)研究了基于最大共有子图的图相似性检测算法MPD (Match by Pair In Depth),该算法具有独树一帜的层次型链式搜索空间,该类型搜索空间利于并行化,有助于降低计算复杂度；针对MPD搜索子图大小受搜索空间高度限制进而破坏连通性的弊端,提出了增加结果集验证环节进行改进(MPD_V),即在保证连通性的基础上扩展最大共有子图规模。(3)将BSCHEF和MPD_V应用到社团隐藏保护过程中,修改K-同构算法的初始步骤,形成K+-同构算法。K+-同构首先利用BSCHEF进行社团划分,之后利用MPD V计算两两社团之间相似度获得相似度矩阵；接着,利用基于子矩阵划分的矩阵双向聚类计算模型,通过MCA算法析取高密度子矩阵构建相似子图群,由此代替K-同构随机划分结点的初始阶段。