1.一种基于差分隐私的数据融合发布算法，其特征在于，包括：步骤一、确定多个数据拥有者，通过分类融合算法对数据集进行数据融合；

步骤二、对融合后的数据进行个性化的差分隐私处理，并根据差分情况设置相应的隐私预算；

步骤三、向融合并分级后的数据集中加入与其对应的Laplace噪声，得到具有不同隐私保护级别的融合后的隐私数据；

所述步骤一包括：

对数据集进行初始化，构造数据集D的矩阵A，找到A中出现任意两项出现次数最多对应的项集Mmax[i,j]，设Q1＝Mmax[i,j]；在i,j所在行找出次数最小的项集Mmin[t,s]，在t,s所在行找到最大的项集Mmax[a,b]，设Q2＝Mmax[a,b]，迭代上述步骤，得到的初始数据集包括：D0，D1，D2，...，DH；

其中，A为n*n的方阵，其中n表示数据集D的全集；

所述步骤二包括：

步骤1、选出D0出现一次的记录，根据此记录中任意两项出现的次数，选择两项作为第一个分支，然后选出的次数出现最少的两项，选择在其所在行中的最大的值作为第二个分支，依次迭代地选取其它项集与这两个分支组合，直至所有的项集被选出；

步骤2、为D0构造分类树C-Tree(i-1)，然后为需要D0与融合的数据集D1，D2，...，DH，设置更新增量H，查询用户通过可信代理服务器利用假名机制获得与其身份对应的假名标识符；

步骤3、对查询用户进行等级划分，数据融合发布系统根据用户身份对应等级，设置不同的隐私预算εi，发布具有相应隐私保护程度的数据集；

其中，所述步骤二中，根据查询用户的访问权限、付费情况以及对于数据使用的不同需求，进行等级划分，访问权限高或付费多的资源需要分配高等级，反之则分配低等级；

所述步骤三包括：

步骤a、当数据集Di与D0融合时，先将Di中记录添加到C-Tree(i-1)的根节点，其中Di表示待融合的数据集，i的取值范围为[1,H]；

步骤b、对Di中的记录gi，当记录gi不为空且被分配到C-Tree(i-1)的非叶子节点中，就按照C-Tree(i-1)的分类方法分配该记录；

当记录gi被分配到C-Tree(i-1)的叶子结点，则分割该节点并重新分配该节点的差分隐私预算；

当记录gi为空，则对下一条记录做上述步骤，直至所有记录分配完生成新的分类树C-Tree(i)；

步骤c、根据分配好的隐私预算向C-Tree(i)的叶子节点添加Laplace噪音，最后依次迭代对于不同的隐私预算参数εi进行上述步骤，得到具有不同隐私保护级别的融合后的隐私数据。