1.基于位置服务的分布式差分隐私推荐方法，其特征在于，包括以下步骤：步骤S11、构成分布式推荐系统架构对历史评分数据和位置隐私信息进行隐私保护；

步骤S12、所构成的分布式推荐系统架构使用云计算服务模式，把用户的评分信息采用分布式保护处理后存储在各个云端的推荐服务器中；

步骤S13、添加噪声，实现差分隐私保护；

步骤S14、通过Gen，Der，Enc和Cmp四个函数实现保序加密；

步骤S15、用户端执行无约束的随机切片算法；

步骤S16、用户端执行具有约束的等级随机切片算法；

步骤S17、将分片评分发送给各个分布式推荐服务器，第二阶段执行用户的推荐请求；

步骤S18、执行输入扰动随机梯度下降算法，得到添加了隐私保护的用户和项目潜在特征向量矩阵P步骤S19、位置服务器端隐私保护模型，实现位置请求服务的隐私保护；

所述步骤S11中，分布式推荐系统架构主要基于奇异值分解方法构建，模型如公式1：其中Test表示用户u对项目i的评价集合的训练集，p所述步骤S12中,分布式推荐系统架构运行流程包括：

1)首先用户u

2)分布式推荐服务器收到评分分片数据后，根据公式1中的目标函数定期执行梯度下降算法，更新用户和项目的潜在因子特征值向量

3)当用户u

4)分布式推荐服务器收到位置服务器的请求后，通过用户和项目潜在因子特征值向量计算预测评分，采用公式3：每个分布式推荐服务器将自己的分片预测评分发送给用户，用户计算所述步骤S14中,函数表达如下：

Gen函数：给定一个安全参数x和范围参数y，x∈N且y∈N，通过输入x和y，Gen输出一个加密参数param和主密钥mkey，其中：(param,mkey)＝Gen(x,y)；

Enc函数：给定参数param和主密钥mkey，输入明文num，该函数输出密文ciph，ciph＝Enc(param,mkey,num)；

Der函数：给定参数param和主密钥mkey，输入明文num，该函数生成令牌token，token＝Der(param,mkey,num)；

Cmp函数：给定参数param，两个密文ciph和ciph′以及令牌token，该函数输出{-1,0,1}，Cmp(param,ciph,ciph′,token)∈{-1,0,1}；

给定密文ciph＝Enc(param,mkey,num)和ciph′＝Enc(param,mkey,num′)，则通过Cmp函数实现秘密比较；

所述步骤S19的处理方法如下：

1)用户u

2)位置服务器收到用户的位置请求后，执行可比较加密协议筛选兴趣点操作，首先位置服务器遍历所有兴趣点，每个兴趣点lon位置服务器将待推荐集合R

3)每个DRS收到位置服务器的推荐预测请求后，执行

4)用户收到推荐服务器的评分后，执行

2.根据权利要求1所述的基于位置服务的分布式差分隐私推荐方法，其特征在于：所述步骤S15中，随机切片算法根据分布式推荐服务器的数量K，采用无约束的原则，将评分r

3.根据权利要求2所述的基于位置服务的分布式差分隐私推荐方法，其特征在于：所述步骤16中，随机切片算法根据分布式推荐服务器的数量K，采用等比约束的原则，将评分r

4.根据权利要求3所述的基于位置服务的分布式差分隐私推荐方法，其特征在于：所述步骤S13中，根据Laplace机制首先为评分数据添加噪声，其中评分的全局敏感度Δr＝r