1.一种基于攻击节点相似性的社交关系隐匿方法，其特征在于：所述方法包括以下步骤：

S1：假设无权无向网络G(V,E)，将网络结构数据划分为训练集GT和测试集GV，其中训练集是扰动对象，测试集用来评价算法有效性，即以链路预测的精度和AUC来衡量，特定扰动和随机扰动的效果；

S2：根据设定指标，计算训练集中所有节点对(i,j)的相似度值

所述设定指标为资源分配指标RA，资源分配指标定义如下：

其中，Γ(i)表示节点i的邻居集，dk表示节点k的度值；

S3：为保证扰动前后网络总边数不变，假设增加及删除的连边条数均为m，将步骤S2中计算得到的节点相似度值按降序排列，按照相似度值从大到小逐个遍历相应的节点对(i,j)，如果该节点对(i,j)在训练集中存在连边，即(i,j)∈GT，则执行S3-1；如果该节点对(i,j)在测试集中存在连边，即(i,j)∈GV，则执行S3-2；如果该节点对(i,j)之间不存在连边，即 则执行S3-3；如果增加和删除的总数达到限制，则终止执行，输出结果；

S3-1：如果删除的总边数小于m，则直接删除这条边；如果删除的总边数已达到m，则跳过该步骤；

S3-2：如果删除的总边数小于m，则在节点i和j的共同邻居中选择度值最小的节点k即k∈Γ(i)∩Γ(j)，其中dk表示节点k的度值；当di＜dj时，删除连边(i,k)；当di＞dj时，删除连边(j,k)；如果删除的总边数已达到m，则跳过该步骤；

S3-3：如果增加的总边数小于m，则在节点i和j不包含共同邻居的邻居集合即{Γ(i)∪Γ(j)-Γ(i)∩Γ(j)}中，选择度值最小的节点k，即 其中节点k满足k∈{Γ(i)∪Γ(j)-Γ(i)∩Γ(j)}；当k∈Γ(i)且 时，增加连边(j,k)；反之，当k∈Γ(j)时且 增加连边(i,k)；如果增加的总边数已达到m，则跳过该步骤；

S4：对训练集网络进行随机增加或者删除连边，并保持网络的总连边数不变；然后与步骤S3所述扰动网络同时进行多种链路预测算法比较，以精确度以及AUC衡量扰动效果。

2.如权利要求1所述的一种基于攻击节点相似性的社交关系隐匿方法，其特征在于：所述步骤S2中，所述设定指标为共同邻居指标CN或者优先链接指标PA。