针对当前社会网络的匿名化隐私保护方法存在信息损失量大，忽略社会网络的结构等问题，提出一种保护社会网络社区结构的基于粒子群算法的k-度匿名方法。首先，使用贪婪算法对社会网络图的节点进行划分，得到节点欲达成k-度匿名所需增加的度数序列；其次，引入社区发现，减少图结构的损失；最后，基于粒子群算法对图进行边添加，满足k-度匿名。实验使用平均路径长度、平均聚类系数和传递性作为评价指标，在3个数据集上对提出的方法进行实验测试。结果表明，该方法能抵御度属性的攻击，较好地保护了网络图的社区结构，同时降低了图的信息损失量。