1.一种基于差分隐私的数据发布方法，其特征在于，其步骤为：步骤1、输入原始数据集D＝(x1，x2，...xn)，隐私保护预算ε，全局敏感度Δf；

步骤2、向原始数据集D中的每个数据添加拉普拉斯噪音，得到添加噪音后的序列D*＝{x1*，x2*，...，xn*}；

步骤3、对步骤2所得序列D*进行滤波处理，并对处理后的D*进行排序；

步骤4、对排序后的D*根据SSE进行重构，选取SSE最小的分组，并用平均数描述分组的频数属性；

*

步骤5、将分组后所得的最优桶数据与只加入拉普拉斯噪声的相应的数据集D作比较，选取误差值小的数据，发布最终的重构直方图。

2.根据权利要求1所述的一种基于差分隐私数据发布方法，其特征在于：步骤1中输入的原始数据为统计型数据，每个xi为单位区间的频数，隐私保护预算ε小于1，全局敏感度Δf取1。

3.根据权利要求2所述的一种基于差分隐私数据发布方法，其特征在于：向原始数据集D中的每个数据添加拉普拉斯噪音的过程为：记位置参数为0、尺度参数为b的Laplace分布为Lap(b)，那么其概率密度函数如公式(1)所示：取随机变量α～U(0，1)满足均匀分布，将其带入到拉普拉斯累计分布函数的逆函数中，则可以得到满足条件的噪音值如公式(2)所示：取均匀分布α～U(-0.5，0.5)，将公式(2)合并为公式(3)，如下所示：F-1(x)＝0-b*sign(α)*ln(1-2abs(α))       (3)其中，sign函数用来获取参数的正负，abs函数用来获取参数的绝对值，只需通过计算机生成符合α～U(-0.5，0.5)的伪随机数并将其带入式(3)中就可以得到拉普拉斯的噪音误差，将该拉普拉斯噪音添加到D中就能得到加噪后的数据D*。

4.根据权利要求1-3中任一项所述的一种差分隐私数据发布方法，其特征在于：步骤3的滤波处理，如公式(4)所示：其中，xi为经过噪音扰动的D*中的第i个数据，yi为该数据滤波后的结果。

5.根据权利要求4所述的一种差分隐私数据发布方法，其特征在于：步骤3对数据D*进行滤波操作，记录直方图桶顺序信息后，需要再对结果数据yi进行从小到大的随机快速排序。

6.根据权利要求5所述的一种差分隐私数据发布方法，其特征在于：步骤4的具体过程为：首先，计算D*中前i项分成1组的SSE(D*，1，i)，1≤i≤n；将其记为T(i，1)，计算方式如公式(5)所示：上式中 表示D*中第1个桶到第i个桶计数的均值；

当k＞1的时候，根据动态规划的思想求得在k分组下前i项最小的SSE，状态转义公式如(6)所示：T(i，k)＝mink-1＜＜j＜＜i-1(T(j，k-1)+SSE(D*，j+1，i))       (6)n个桶的分组从1组，2组，...，k组，记录每个分组的T(n，k)选出使得T(n，k)最小的分组，并记录在该分组数下的最优划分，如公式(7)所示：T(n，k)＝mink-1＜＜j＜＜i-1(T(j，k-1)+SSE(D*，j+1，n))        (7)其中，n是原始直方图桶的个数，k是所有可能的分组聚类数量，1≤k≤n。

7.根据权利要求6所述的一种差分隐私数据发布方法，其特征在于：对于k值，通过以下三个式子直接给出：

1)平方根选择：

2)Sturges公式：k＝ceil(1+log2n)；

3)Rice规则：

此时只需要将上述三个k值代入式(7)，然后进行T(n，k)的比较，选择使T(n，k)最小的k值，并记录式(7)每一步迭代的j的值，最终的分组情况与SSE便可以求出。

8.根据权利要求7所述的一种差分隐私数据发布方法，其特征在于：在进行优化分组，重构完成直方图后，需对排序分组后的数据按照步骤三排序前记录的顺序进行恢复，恢复了直方图数据的次序后，便可以发布最终的直方图。