1.社交网络链接隐私保护效果的评价方法，其特征是，包括步骤如下：步骤1、对于经过隐私保护所得到的社交网络发布图的每个节点，将该节点、该节点的直接邻居节点、该节点与其直接邻居节点之间的边形成局部网络；

步骤2、针对每个局部网络训练对应的逻辑回归模型，并利用训练好的逻辑回归模型来预测局部网络中未连接节点对的连接概率；即：对于每个局部网络，分别执行以下步骤：步骤2.1、计算局部网络中每个节点对的共同邻居相似度、资源分配相似度和优先连接相似度；

步骤2.2、将局部网络中所有节点对作为训练集，并利用所有节点对的共同邻居相似度、资源分配相似度、优先连接相似度、以及连接情况去训练逻辑回归模型，从而得到训练好的逻辑回归模型；

步骤2.3、将局部网络中未连接节点对作为测试集，并将未连接节点的共同邻居相似度、资源分配相似度和优先连接相似度输入训练好的逻辑回归模型，得到未连接节点对的连接概率；

步骤3、当同一未连接节点对存在于不同的局部网络时，比较该未连接节点对在不同局部网络中的连接概率，并选择其中最大的连接概率作为该未连接节点对最终的连接概率；

步骤4、将连接概率大于预设概率阈值的未连接节点对所对应的边作为预测链接，并统计预测链接的数量L；

步骤5、统计预测链接出现在未经过隐私保护的社交网络原图的数量Lr；

步骤6、将步骤5所得的数量Lr与步骤4所得的数量L的比值 作为隐私保护方法的实际保护效果的评价指标，即：当比值 越大时，隐私保护方法的实际保护效果效果越差；反之，则隐私保护方法的实际保护效果的效果越好。

2.根据权利要求1所述的社交网络链接隐私保护效果的评价方法，其特征是，节点对(vi,vj)的共同邻居相似度 为：节点对(vi,vj)的资源分配相似度 为：

节点对(vi,vj)的优先连接相似度为 为：

式中，Γ(vi)表示节点vi的邻居集，Γ(vj)表示节点vj的邻居集，Γ(z)表示节点vi和vj的共同邻居z的邻居集。

3.根据权利要求1所述的社交网络链接隐私保护效果的评价方法，其特征是，步骤2.2中，当节点对的2个节点连接时，连接情况置为1；当节点对的2个节点连接时，连接情况置为

0。

4.根据权利要求1所述的社交网络链接隐私保护效果的评价方法，其特征是，步骤4中，预设概率阈值介于50％～70％之间。