1.匿名关联用户矩阵填充隐私动态发布方法，其特征在于：包括以下操作步骤：S1：在系统初始化阶段时，如果访问者想获取某个时间段内在某个移动应用服务中所有用户的属性集 ， 为关联标签建立的网络图，那么访问者将查询需求上传到可信处理中心，可信处理中心将根据访问者的查询需求，设置用户关联网络属性配置文件MF；

S2：在数据动态发布阶段，数据动态发布中心根据可信处理中心传过来的配置文件MF，对移动网络中的用户相关属性数据进行持续抽取和分析；

S3：构建用户关联网络图；

S4：通过调用Pandas库中强大的分析结构化数据的工具集，读取可信处理中心从云数据库获取的数据文件；

S5：计算各个实体的属性矩阵，若甲乙的A属性一致，则共现依次权重加1；

S6：将属性矩阵存储至共现文件中；

S7：读取共现文件，绘制对应关系图；

S8：调用Networkx库来绘制图形，得到某一时刻下的用户关联网络图G；

S9：完成后进入网络图筛选差分隐私保护阶段；

S10：对分层抽样得到的网络图集合进行一次遍历，在相邻的一组快照图中，过滤掉相似度高的快照图，只保留一个用于后续处理，结合贪心算法的思想，我们对抽样得到的集合进行一次遍历，在相邻的一组快照中，过滤掉相似度高的快照，只保留一个用于后续处理，通过这种方式来降低通讯开销；

S11：进行社区差分隐私保护后，对得到的快照进行随机标签得到一个标签化的社区网络图G，利用快速社区检测算法，对图G进行社区密集划分检测，输出图的节点标签 ；

S12：将标签化图G转换成对应的邻接矩阵，然后对矩阵A的稀疏和密集区域分，被输出子矩阵 ；

S13：建立一个权值识别算法，对矩阵 的权值进行计算得到一个弱联系标准参数r，得到一个满足强弱联系邻接矩阵数组 ，数组元素保存有节点标签，权值，和强弱联系标签R；

S14：构造强联系扰动算法，对邻接矩阵数组 进行遍历选择，对具有强联系标签的数组元素中的权值进行正态加噪扰动，得到后的加噪值覆盖原始值，最后得到强联系扰动后的子区域邻接矩阵数组 ；

S15：构造弱联系扰动算法，根据子区域矩阵 建立加噪二叉树BT，对邻接矩阵数组中的非0权值弱联系真实值计数，并对其进行正态加噪，得到加噪后的噪声计数值；

S16：弱联系加噪矩阵边扰动，即对弱联系边关系进行重新分配，最终输出区域子矩阵；

S17：根据区域子矩阵 ，按照矩阵元素连接填充得到完整上三角矩阵 ，最后由生成最终的发布图，并发布△t内符合要求的所有用户关联网络发布图，其中△t为时间跨度。

2.根据权利要求1所述的匿名关联用户矩阵填充隐私动态发布方法，其特征在于，所述S1中MF包含访问者所需要的用户的属性集合 ， ，以及查询时间跨度△t。

3.根据权利要求1所述的匿名关联用户矩阵填充隐私动态发布方法，其特征在于，所述S2中将引入动态时间窗口划分的偏倚抽样方法进行数据获取，设一个时间窗口W的长度为△t，设 为第 个时间窗口 的起始时间，则其结束时间为 ，用 表示第 个时间窗口中的所有快照，每层中的数据元素用 ， ,..., 表示。

4.据权利要求3所述的匿名关联用户矩阵填充隐私动态发布方法，其特征在于，所述第时间窗口的第j层的数据元素为 。

5.根据权利要求1所述的匿名关联用户矩阵填充隐私动态发布方法，其特征在于，所述S4中Pandas是Python第三方库，提供高性能易用数据类型和分析工具。

6.根据权利要求1所述的匿名关联用户矩阵填充隐私动态发布方法，其特征在于，所述S5中如果B属性也一致，则权重继续加1，直到对于访问者所需要的所有属性遍历比对完，则停止计算。

7.根据权利要求1所述的匿名关联用户矩阵填充隐私动态发布方法，其特征在于，所述S7中如果实体甲和实体乙共同出现，则建立一条边，表示存在某种关系，权值越大关系越紧密。

8.根据权利要求1所述的匿名关联用户矩阵填充隐私动态发布方法，其特征在于，所述S8中Networkx是用来创建、操作、研究复杂网络结构的Python扩展包，它支持图的快速创建，同时常用的图算法，同时支持常用的图算法。

9.根据权利要求1所述的匿名关联用户矩阵填充隐私动态发布方法，其特征在于，所述S15中节点保存有矩阵的位置信息，弱联系真实值计数信息 ，和正态加噪后的噪声值计数信息 。

10.根据权利要求1所述的匿名关联用户矩阵填充隐私动态发布方法，其特征在于，所述S16中重新分配有四种，即原来权值为0的位置处置为0或非0弱联系权值，原来为非0弱联系权值的位置处置非0弱联系权值或0，重新分配时，应优先分配原有关系处及其四周相邻的区域，且避开强联系位置，不能随意将强联系和弱联系的位置置换，这样可以尽量保持图的原始关系，在一定程度上保证应用服务发布数据的功用与隐私的平衡。