1.一种面向众智云环境的隐私数据访问方法，其特征在于：该方法包括如下步骤：步骤S1：对众智云环境中数据属性根据类型进行区分，得到不同类型属性类别；

步骤S2：针对不同类型属性类别识别它们的隐私程度，获得不同隐私程度数据属性集合；

步骤S3：根据数据属性集合的不同隐私程度纵向划分数据属性，得到数据属性集合；

所述步骤S1中对于输入的属性集合A和属性值集合T，顺序处理每一对(Ai,Ti)，i∈1,2,

3…n，通过分析Ti的数据属性来决定对Ai的划分操作，通过数据属性Ai的取值类型来判断Ti中数据的类型，如果数据表设计中没有记录Ai的取值属性，通过从Ti中随机取一个数据集长度较小的子集M，通过M中元素的取值类型来推断Ai的取值类型，将数据属性集合A分为数值型属性集合Anum＝{A1,A2,…,A|num|}和字符型属性集合Astr＝{A1,A2,…,A|str|}；

所述步骤S2中在步骤S1中分类好数值型属性集合和字符型属性集合的基础上，分别对每一对(Ai,Ti)进行隐私程度判断，其中i∈1,2,3…n，首先统计Ti的数据集长度，记为LEN，则有

LEN＝size(Ti)i∈1,2,3…n如果Ai的取值类型为整型数，则统计Ti中的元素分布情况，生成Di，如下所示：其中Di是个二元组，T'i是Ti中不重复元素组成的集合，Ni是由T'i中每个元素在Ti中出现的次数组成的集合；

(1)若T'i与Ti一致，则Ai属性中所有属性值唯一，认为属性Ai信息敏感程度很高，将Ai划分到EID类别；

(2)当T'i不与Ti一致时，考虑T'i集合中的个数，若T'i中元素个数低于阈值t，则认为属性Ai信息敏感程度不高，将Ai划分到QID类别；否则通过下面的均方根公式来检查数据分布情况：

记th(x)为阈值函数，通过大量实验数据来确定th(DSTi)的值，当DSTi>th(DSTi)则认为数据分布不均匀，否则认为数据分布较为均匀；

如果数据分布不均匀，这时将Ai归属到QID类中，对信息进行匿名化处理即可；若数据分布较为均匀，检查T'i是否是小规模的枚举类型，确定S的阈值th(Si)，若满足：Si

若Ti的取值不为整型类，则需要判断是否为自由文本；根据自由文本长度不一且较长的特点，取Ti中元素的平均长度，记为TL，则有：其中strlen()为计算字符串长度的函数，另th(TL)为TL的判定阈值；若TL

所述步骤S3中在步骤S2的基础上，在将输入的属性集合A和属性值集合T，通过识别属性隐私程度后分为三大类数据属性集合QID、EID和MI后，再根据数据属性集合对数据集中不同属性进行纵向切割：

(1)将对称加密和非对称加密结合加密EID和QID得到Te表；

(2)将MI中医疗信息提取出来存入明文表Tp中：tpi(Aj)＝ti(Aj)，Aj∈MI，i＝1,2,…,n；

(3)将ti中所有MI自由文本属性值都串联在属性mti的值上，基于mti进行语义距离计算后将T中的所有元组聚类成x组，1≤i≤n，并给每组及其包含的元组分配标签cj,1≤j≤x，cj被看作是分类敏感属性值来进行t‑closeness计算；当使用cj作为分类敏感属性值计算的t‑closeness用于隐私保护时，得到信息损失最小的k‑匿名分区：P(T)＝{E1,E2,…,En},tai(Aj)＝Range(Ek),ti∈Ek,Aj∈QID,i＝1,2,…,n；

最后得到纵向分区后的三个表Tp,Ta,Te。