1.一种基于差分隐私的分组精准直方图数据发布方法，其特征在于，其步骤为：步骤一、获取数值型直方图统计数据字段，并将直方图频数输入到直方图数据集H＝(H1,H2,…Hn)中，同时给定隐私保护预算ε和Δf，Δf为数据集H与其相邻数据集的L1距离；

*

步骤二、以第一个直方图桶H1为基桶Hi，将其加入有序直方图序列H中，并将该桶从H中删除；

步骤三、计算基桶Hi的近邻桶集合L(Hi)及指数机制打分函数u(Hi)，根据打分函数u(Hi)，以正比于 的概率，从L(Hi)选择出Hj，其中隐私预算ε1＝ε/2，将Hj添加到有*

序直方图序列H，再将Hj作为基桶；

步骤四、重复步骤三，直到原始直方图数据集H为空；

*

步骤五、对有序直方图序列H 根据全局误差Err进行动态规划分组，选取全局误差最小G

的直方图分组结构H；

步骤六、用分组平均数描述分组的桶频数，向每个桶频数添加拉普拉斯噪音Lap(1/ε2)，得到添加噪音后的直方图序列 并发布。

2.根据权利要求1所述的一种基于差分隐私的分组精准直方图数据发布方法，其特征在于：所述的步骤一中，每个Hi为单位区间的频数，隐私保护预算ε小于1。

3.根据权利要求2所述的一种基于差分隐私的分组精准直方图数据发布方法，其特征在于：所述的步骤三中，依据打分函数u(Hi)从基桶Hi的近邻桶集合L(Hi)中挑选出与基桶频数相近的桶，其中L(Hi)和u(Hi)分别根据式(1)和式(2)计算，L(Hi)＝{Hj:|Hj‑Hi|≤δ}                   (1)u(Hi)＝‑(|Hj‑Hi|+|j‑i|)                  (2)其中，δ为控制近邻桶集合中桶数量的阈值。

4.根据权利要求3所述的一种基于差分隐私的分组精准直方图数据发布方法，其特征在于：所述的步骤五中，将动态规划的误差评价函数设为全局误差Err(*,Hl,Hr)，如式(3)所示，

其中 表示该组的频数均值，|Gi|表示该组中桶个数。 为重构误差AE，为噪音误差；其中隐私预算ε2＝ε/2，其决定向该组均值 添加的拉普拉斯噪音的大小，向 添加的拉普拉斯噪声的大小为Lap(1/ε2)/|Gi|。

5.根据权利要求4所述的一种基于差分隐私的分组精准直方图数据发布方法，其特征在于：所述的步骤五中，对直方图H*采用动态规划思想的分组，记录每种分组结构的最小全G

局误差 选出其中TErr最低的分组结构H ，并记录最优分组个数k，如公式(6)所示：

其中，n是直方图桶的个数，k是所有可能的分组数量，1≤k≤n。

6.根据权利要求5所述的一种基于差分隐私的分组精准直方图数据发布方法，其特征G

在于：所述的步骤六中，对分组后的直方图H中的每组桶频数取组均值，组Gi中直方图桶频数为： 后对每桶频数添加拉普拉斯噪音Lap(b)，其中b＝1/ε2，得到添加噪音后的直方图序列为 其中

7.根据权利要求6所述的一种基于差分隐私的分组精准直方图数据发布方法，其特征在于：所述的步骤六中，对原始数据集的加噪流程为构建服从拉普拉斯分布的概率密度函数，根据其概率密度函数求其逆累计分布函数，然后向该函数输入均匀分布的随机变量，即可得到拉普拉斯噪音。

8.根据权利要求7所述的一种基于差分隐私的分组精准直方图数据发布方法，其特征在于：获得拉普拉斯噪音的具体步骤为，S1、设定构建服从位置参数μ为0，尺度参数为b的拉普拉斯分布为Lap(b)，则其概率密度函数p(x)如公式(7)所示，S2、将满足均匀分布的随机变量α～U(0,1)带入到拉普拉斯累计分布函数的逆函数中，则可以得到满足条件的噪音值如公式(8)所示，S3、取均匀分布α～U(‑0.5,0.5)，将公式(8)的分段函数合并为公式(9)，如下所示，‑1

F (x)＝0‑b*sign(α)*ln(1‑2abs(α))         (9)其中，sign函数用来获取参数的正负，abs函数用来获取参数的绝对值。