1.数据流关键模式挖掘的差分隐私保护方法，其特征是，具体包括步骤如下：步骤1.1、将窗口置于事务流的起始位置，获得事务流的第一个窗口；

步骤1.2、将第一个窗口内的事务及其第一个窗口之前的事务依次插入到树中，得到原始树T1，并根据该原始树T1得到相应的项计数列表L1；

步骤1.3、对项计数列表L1中的项按照其计数使用2种排序方式即确定顺序和下降顺序来进行调整，得到调整后的项计数列表L1’；

步骤1.4、按照项计数列表L1’去调整原始树T1，得到前缀树T1’；

步骤1.5、根据前缀树T1’根结点的孩子结点的个数，将前缀树T1’划分为相应个数的子树；

步骤1.6、对于每个子树，遍历该子树的所有结点并对其计数添加第一层噪音，并从中选出噪音计数大于它所有孩子结点的计数的结点，再对这些结点的计数添加第二层噪声，得到了这些结点的噪声计数；

步骤1.7、将噪声计数叠加到项计数列表L1’中，并对其中的项按照其计数使用2种排序方式即确定顺序和下降顺序来进行调整，得到添加噪声的项计数列表L1”；

步骤1.8、根据项计数列表L1”去调整前缀树T1’，得到满足差分隐私的前缀树T1”；

步骤1.9、使用条件模式基和集合枚举树挖掘前缀树T1”，得到噪声关键模式结果集O1，并发布；

步骤2.1、将窗口向后移动一个窗格，获得事务流的第q个窗口；将事务流的第q个窗口作为当前窗口，将事务流的第q-1个窗口作为前一窗口；

步骤2.2、把当前窗口之前的事务从前一窗口的前缀树Tq-1”中去掉，并将当前窗口内的新加入的事务按照前一窗口的项计数列表L q-1”的顺序插入到前一窗口的前缀树Tq-1”中，得到当前窗口的前缀树Tq；根据当前窗口的前缀树Tq得到当前窗口的项计数列表Lq；

步骤2.3、对当前窗口的项计数列表Lq中的项按照其计数使用2种排序方式即确定顺序和下降顺序来进行调整，得到调整后的当前窗口的项计数列表Lq’；

步骤2.4、按照当前窗口的项计数列表Lq’去调整当前窗口的前缀树Tq，得到再次调整后当前窗口的前缀树Tq’；

步骤2.5、根据当前窗口的前缀树Tq’根结点的孩子结点的个数，将当前窗口的前缀树Tq’划分为相应个数的子树；

步骤2.6、对于每个子树，遍历该子树的所有结点并对其计数添加第一层噪音，并从中选出噪音计数大于它所有孩子结点的计数的结点，再对这些结点的计数添加第二层噪声，得到了这些结点的噪声计数；

步骤2.7、将噪声计数叠加到当前窗口的项计数列表Lq’中，并对其中的项按照其计数使用2种排序方式即确定顺序和下降顺序来进行调整，得到添加噪声的当前窗口的项计数列表Lq”；

步骤2.8、根据当前窗口的项计数列表Lq”去调整当前窗口的前缀树Tq’，得到满足差分隐私的当前窗口的前缀树Tq”；

步骤2.9、根据当前窗口的项计数列表Lq’去计算当前窗口的第一差异点dis1q；并将当前窗口的第一差异点dis1q与设定的第一差异阈值β1比较；dis1q≤β1，则转至步骤2.10；如果dis1q＞β1，则转至步骤2.12；

步骤2.10、使用条件模式基和集合枚举树挖掘当前窗口的前缀树Tq’，得到准确的当前窗口的关键模式结果集Xq；

步骤2.11、根据当前窗口的关键模式结果集Xq和之前最近窗口t所挖掘的噪音关键模式结果集Ot去计算当前窗口的第二差异点dis2q；并将当前窗口的第二差异点dis2q与设定的第二差异阈值β2比较；如果dis2q≤β2，则将噪音关键模式结果集Ot再次发布；dis2q＞β2，则转至步骤2.12；

步骤2.12、使用条件模式基和集合枚举树挖掘当前窗口的前缀树Tq”，得到当前窗口的噪声关键模式结果集Oq，并发布；

上述q＝2，3，…，t≤q-1。

2.根据权利要求1所述的数据流关键模式挖掘的差分隐私保护方法，其特征是，步骤

1.1和2.1中，窗口包括2个以上的窗格。

3.根据权利要求1所述的数据流关键模式挖掘的差分隐私保护方法，其特征是，步骤

1.6和2.6中，对结点的计数添加噪声时，根据拉普拉斯机制给计数添加满足拉普拉斯分布的随机噪音，使计数满足差分隐私。

4.根据权利要求1所述的数据流关键模式挖掘的差分隐私保护方法，其特征是，步骤

2.1中，当q≥3时，还需要统计当前窗口的前缀树Tq里计数为零的垃圾结点的个数，并计算当前窗口的前缀树Tq中垃圾结点的个数与计数大于预设值θ的结点的个数的比值：若该比值大于设定阈值η，则舍弃当前缀树Tq和项计数列表Lq，并将当前窗口内的事务依次插入到树中，重新得到当前窗口的原始树Tq，并根据当前窗口的原始Tq得到相应的当前窗口的项计数列表Lq；

若该比值小于等于设定阈值η，则转至步骤2.3。

5.根据权利要求1所述的数据流关键模式挖掘的差分隐私保护方法，其特征是，步骤

2.9中，第q个窗口的第一差异点dis1q的计算公式为：

其中，w1为第t个窗口的项计数列表Lt”中确定顺序的权重，w2为第t个窗口的项计数列表Lt”中下降顺序的权重，m为第t个窗口的项计数列表Lt”中确定顺序的长度，n为事务流中包含的所有不同的项的个数，cq[j]为第q个窗口的项计数列表Lq’里第j个项的计数，ct[j]为第t个窗口的项计数列表Lt”里第j个项的计数。

6.根据权利要求5所述的数据流关键模式挖掘的差分隐私保护方法，其特征是，第t个窗口的项计数列表Lt”中确定顺序的权重w1＝2/m+n，第t个窗口的项计数列表Lt”中下降顺序的权重w2＝1/m+n，其中m为第t个窗口的项计数列表Lt”中确定顺序的长度，n为事务流中包含的所有不同的项的个数。

7.根据权利要求1所述的数据流关键模式挖掘的差分隐私保护方法，其特征是，步骤

2.11中，第q个窗口的第二差异点dis2q的计算公式为：

其中，Ot为第t个窗口的噪音关键模式结果集，Xq为第q个窗口的关键模式结果集，Ot[k]为Ot里第k个关键模式的计数，Xq[k]为Xq里第k个关键模式的计数。