目前,随着大数据和5G产业的高速发展,各个领域产生的数据种类和数量都呈现出快速增长的态势,在数据开放共享逐渐改变了人们的生活、学习和工作方式的同时,个人隐私安全保护问题也日益显著。结构熵是在嵌入大规模噪音结构中解码出网络结构的真实结构信息,能够有效的度量出动态复杂网络中的隐私信息,在极大程度上弥补了信息熵无法对图结构中隐私信息度量的缺陷。由此可见,针对结构熵在图结构上的研究对于实现社交网络等大型网络的数据保护和挖掘数据价值至关重要。论文以信息论、结构信息理论和数据挖掘为工具,对结构熵在图结构中的隐私保护进行研究,研究内容涉及基于结构信息理论的图隐私度量方法、图结构之间的互信息及其应用、在社交物联网中基于结构熵实现图聚类隐私保护。具体工作如下:（1）基于结构信息理论的图隐私度量方法。结合结构信息理论中结构熵的定义,首先定义一个模型图G,再利用切分算法将图G尽可能切分出所有可能的模块。进一步利用结构信息理论中计算结构熵的计算公式计算出图G的K维结构信息,从而初步度量出图结构中的隐私数据所隐藏的信息量和隐私数据的泄露程度。（2）结构互信息及其应用。首先引入结构信息理论中的结构熵的概念,再结合信息论中香农互信息的定义来构建两个或者多个图结构,并计算图与图之间的互信息量,反映出两个图之间相关性的强弱程度,进一步度量出图之间的不确定度以及量化其隐私数据的泄露程度,最后将结构互信息应用在社交网络上,有效的度量了网络群体之间的关联程度和隐私泄露程度。（3）在社交物联网中基于结构熵实现图聚类隐私保护。首先,利用同态加密将社交网络中用户的隐私数据信息进行加密,并将加密后的用户数据看作图节点;其次,提出了计算二维结构信息的求解算法和基于熵减原则的聚类算法,对图结构中节点进行划分得到对应的模块,利用K维结构信息算法对已划分的模块进一步详细的聚类,经过完整的图聚类之后充分反映了图结构中节点间的关联程度;最后,引入归一化结构信息和网络节点划分相似度,分析聚类结果的正确性和相似程度。