Diseñar métodos para publicar datos de redes sociales de una forma que brinde utilidad sin comprometer la privacidad sigue siendo un desafío de larga data, mientras que muchos métodos existentes basados en algoritmos de -anonimato en redes sociales pueden resultar en una pérdida de utilidad no trivial sin analizar la estructura topológica de la red social y sin considerar los atributos de distribución dispersa. Hacia este objetivo, exploramos el impacto de los atributos de distribución dispersa en la utilidad de los datos. En primer lugar, proponemos una nueva métrica de utilidad que enfatiza la distorsión de la estructura de la red y la pérdida de valor de los atributos. Además, diseñamos e implementamos un algoritmo de anonimato de -anonimato y -diversidad de redes sociales diferenciado, que busca proteger la privacidad de los usuarios en redes sociales y aumentar la usabilidad de los datos anonimizados publicados. Su idea clave es dividir un nodo en dos nodos hijos y anonimizar solo los valores sensibles para cumplir con los requisitos de anonimato. Los resultados de la evaluación muestran que nuestro método puede mejorar efectivamente la utilidad de los datos en comparación con algoritmos de anonimización generalizados.