1.多条流中top-k共生模式挖掘的差分隐私保护方法，其特征是，具体包括如下步骤：步骤1、利用长度限制Lf对当前时刻的原始数据中长度大于Lf的事务数据进行截断，并利用所保留下来事务数据建立当前时刻的共生模式图；

步骤2、利用指数机制对当前时刻的共生模式图的边进行扰动，得到当前时刻被扰动后的共生模式图；

步骤3、计算当前时刻被扰动后的共生模式图中所有项的支持度，并对这些项的支持度进行降序排列后，将排在第k位的项的支持度作为当前闭合频繁模式阈值；

步骤4、依次从当前时刻被扰动后的共生模式图中选出项作为当前项；对于每个当前项，不断计算当前项的每一个超集的支持度，并将超集的支持度与当前闭合频繁模式阈值进行比较：若超集的支持度大于当前闭合频繁模式阈值，且该超集为闭合频繁模式，则将当前闭合频繁模式阈值更新为该超集的支持度；否则，保持当前闭合频繁模式阈值不变，直到当前项的所有超集计算完毕为止；

步骤5、将当前时刻被扰动后的共生模式图的所有项及其闭合频繁模式的超集的支持度进行降序排列，并从中选出支持度排在前k位的项和超集作为答案，并将这k个共同组成当前时刻的候选集；

步骤6、用拉普拉斯机制对候选集进行加噪，得到当前时刻隐私发布版本，并将其发布；

步骤7、随着时间的推移，将上一时刻的候选集中的k个答案的支持度进行降序排列，并将排在第k位的支持度作为当前闭合频繁模式阈值，窗口滑动，并重复步骤1、2、4、5和6；

上述Lf和k均为设定值。

2.根据权利要求1所述多条流中top-k共生模式挖掘的差分隐私保护方法，其特征是，超集为含有该含当前项的项集合。

3.根据权利要求1所述多条流中top-k共生模式挖掘的差分隐私保护方法，其特征是，步骤4，需要根据给定的排序规则对当前时刻被扰动后的共生模式图中的项进行排序，并依据该排序依次选取项作为当前项。

4.根据权利要求3所述多条流中top-k共生模式挖掘的差分隐私保护方法，其特征是，给定的排序规则是：先基于项的项字典字母顺序进行排序，再基于项的生成时间先后顺序进行排序。