随着信息技术的不断发展,在线社交网络给用户带来了许多富有创意的服务,同现实社交网络一样,在线社交网络的构建基础是用户之间的朋友关系,而朋友推荐服务的提出是为了帮助用户在虚拟的网络空间中扩展他们的社交圈。然而,一般的朋友推荐服务存在用户隐私安全隐患,如身份隐私的泄漏和社会关系隐私的泄漏,这些用户隐私安全问题阻碍了在线社交网络的普及和推广。在基于云计算模型的在线社交网络中,为了保护用户隐私和数据安全,用户通常会对数据进行加密或匿名处理,再将数据外包到云服务器(Cloud Service Provider,CSP)中。此时,如何在加密或匿名的数据中实现安全有效的朋友推荐是一个具有挑战性的问题。本文围绕在线社交网络中的安全朋友推荐问题展开研究,主要工作包括以下方面:(1)针对朋友推荐过程中用户身份隐私和社交关系隐私泄漏的问题,本文在K匿名技术的基础上,提出了一种安全的朋友推荐方案(K-degree anonymous friend recommendation scheme,KFRS),该方案首先通过超图模型抽象出在线社交网络的拓扑结构,并提出一种边分割算法,该算法通过对用户数据的匿名化来隐藏用户的身份隐私和社交关系隐私。然后,基于拥有更多相同兴趣点的用户更容易成为朋友这一现象,本文设计了一种用户间的相似度计算算法,并基于用户间的相似度值为用户进行朋友推荐。最后,本文提出了分割树技术来消除匿名算法对推荐结果的影响。通过理论分析与实验验证,所提方案能在保证推荐效果的同时保护用户的身份隐私和社交关系隐私,并且方案的可扩展性高,适合用户量巨大的在线社交网络。(2)针对所提出的在线社交网络安全朋友推荐方案,本文在云服务器中设计了一个在线社交网络框架,并在移动平台上开发了客户端应用,在满足用户隐私保护需求的同时实现了基本的在线社交功能。在服务器端,本文设计并构建了在线社交网络的数据库,编写了与客户端之间的通信接口,构造了基本的用户社交框架,并基于服务器与客户端之间的匿名和加密方案实现了用户在朋友推荐过程中保护隐私数据的需求。在客户端,本文基于iOS移动平台实现了用户数据在服务器端的存储和查询,以及基本在线社交功能,此外还开发了用户数据的本地加密和匿名功能,实现了用户数据外包到云服务器中的用户隐私保护需求。