1.社会网络数据隐私保护方法，其特征在于，包括如下步骤：

步骤1.对数据进行简单的处理，去掉唯一的标识符；

步骤2.对社区进行检测，检测过程中统计各个子社区的边介数；当社区检测达到最优时，得到最终各个子社区的度序列、边介数和候选集；其中子社区的候选集为该子社区中度相同且度大于2的节点的集合；

步骤3.对于各个子社区，检查其度序列是否能唯一的定位到具体的节点；如果不能，则说明该子社区没有隐私泄露，满足隐私要求；如果能，则说明该子社区有隐私泄露，不满足隐私要求；

步骤4.对于有隐私泄露的子社区，判断其唯一的定位到的具体的节点即隐私泄露节点所连接的边是否包括边介数；如果包括，则说明是子社区内部的隐私泄露；如果不包括，则说明是子社区之间的隐私泄露；

步骤5.对于子社区内部的隐私泄露，根据伯努利等概率事件，对泄露隐私节点的进行等概率删除边或添加边；在添加边的过程中，将隐私泄露节点与该子社区的候选集中的节点进行等概率相连；

步骤6.对于子社区之间的隐私泄露，根据伯努利等概率事件，调整边介数被删除的概率，使其概率增大，并将隐私泄露节点与该子社区的候选集中的节点进行等概率相连；

步骤7.当所有的子社区均满足隐私要求时，则将得到的满足隐私安全的社会网络图进行发布。

2.根据权利要求1所述社会网络数据隐私保护方法，其特征在于：步骤2中，使用经典的社区检测算法GN算法对社区进行检测。

3.根据权利要求1所述社会网络数据隐私保护方法，其特征在于：步骤2中，各个子社区的度序列按照降序排列。

4.根据权利要求1所述社会网络数据隐私保护方法，其特征在于：候选集中的节点不包括子社区节点度为最大值的节点。

5.根据权利要求1所述社会网络数据隐私保护方法，其特征在于：步骤5中，对于子社区内部的隐私泄露；当泄露隐私节点的度最大且唯一时，则对泄露隐私节点的进行随机化操作等概率删除边；当泄露隐私节点的度最小且唯一时，则对泄露隐私节点的进行随机化操作等概率添加边。

6.根据权利要求1所述社会网络数据隐私保护方法，其特征在于：步骤6中，对于子社区之间的隐私泄露，边介数被删除的概率的调整公式为：p+(1-p)*p，其中1/p为隐私泄露节点所连接边的总数。

7.根据权利要求1所述社会网络数据隐私保护方法，其特征在于：在步骤7之前，还进一步包括如下步骤：若经过步骤5和步骤6的处理后，仍然有子社区不满足隐私要求，则对该子社区进行概化，使其满足隐私要求。