1.关联社交网络数据的差分隐私保护方法，其特征是，具体包括步骤如下：步骤1、利用桥将原始社会网络图分解成多个子图；

步骤2、记录桥的个数，并利用差分隐私保护模型对桥的个数信息进行保护，得到加噪后的桥；

步骤3、引入层次随机图模型描述每个子图的结构特征，得到每个子图的层次随机图；

步骤4、对于每个子图所对应的多个层次随机图所对应的树集，利用马尔科夫蒙特卡洛方法从中抽取出最佳样本树集；

步骤5、对每个子图的最佳样本数集分别使用拉普拉斯机制添加噪声，得到加噪后的最佳样本树集；

步骤6、将加噪后的最佳样本树集还原为子图形式，以完成每个子图的重构；

步骤7、利用步骤2所得到的加噪后的桥对步骤6所重构出的子图进行连接，即随机选取两个子图i和j，并将两个子图i和j以概率Wi,j相连，且连接到子图内随机抽样到的节点，直到添加的边数等于桥时，完成子图重构，以获得满足差分隐私的社会网络图，并对其进行发布；

上述概率Wi,j为：

其中，ei表示子图i的剩余度，ej表示子图j的剩余度， 表示所有子图的剩余度数之和；每个子图的剩余度ei为：其中，|Gi|表示子图i中节点的个数， 表示除去子图间连接的内部节点度数，di表示子图i内节点实际度数。