:社会网络数据的发布可能导致用户隐私被泄露, 例如用户的身份信息可能被恶意攻击者通过分析网络中节 点的度数识别出来, 针对这个问题提出一种基于节点平均度的 k-度匿名隐私保护方案. 方案首先利用基于平均度 的贪心算法对社会网络节点进行划分, 使得同一分组中节点的度都修改成平均度, 从而生成 k-度匿名序列; 然后利 用优先保留重要边的图结构修改方法对图进行修改, 从而实现图的 k-度匿名化. 本方案在生成 k-度匿名序列时引 入平均度, 提高了聚类的精度, 降低了图结构修改的代价. 同时, 由于在图结构修改时考虑了衡量边重要性的指标 —邻域中心性, 重要的边被优先保留, 保持了稳定的网络结构. 实验结果表明, 本方案不仅能有效地提高网络抵抗度 攻击的能力, 还能极大降低信息损失量, 在保护用户隐私的同时提高了发布数据的可用性.