传统的隐私保护算法在效率或能力上都无法满足处理大规模图形数据的实际应用需求。 DGSPerturb是一种基于图结构扰动的分布式社会隐私保护算法； 建议解决社交网络中的链接隐私问题。 本发明的顶点中心算法可以在大型社交网络中搜索可到达的顶点，传递可到达的信息以及通过顶点间消息传递，顶点值更新和编程中的多次迭代来随机扰动边缘。 实验结果表明，DGSPerturb不仅提高了大规模图形数据的处理速度，而且还确保了隐私保护效果和已发布数据的可用性。