1.一种具有提高效用的社交网络双重隐私保护的方法，其特征在于，采用将外链接隐私与不确定图算法相结合来对有向社交图的出度和入度进行双重隐私保护；

其中，

包括如下步骤：

步骤1，有向社交图作为输入；

步骤2，利用外链接隐私对有向社交图中的出度进行保护，得到噪声图；

步骤3，利用不确定图算法对噪声图中的入度进行保护得到不确定有向图；

其中，

步骤2和步骤3具体包括内容如下：

步骤201，根据设置的隐私预算ò以及查询函数f的敏感度Δfout‑link，计算出Laplace分布的参数λ＝Δfout‑link/ò，利用Laplace机制去保护节点的出度，得到噪声图G’；

步骤301，不确定图算法作为外链接隐私的后置处理，利用不确定图算法对噪声图G’中的入度进行保护，具体是利用Laplace机制产生的噪声值y，计算其所对应的概率然后将概率添加到噪声图G’的边，得到不确定有向图；

其中，概率密度函数为

其中，步骤301具体包括如下内容：

输入噪声图G’，隐私预算ò以及查询函数f的敏感度Δfout‑link，根据有向社交图G(V，E)边数|E|，从拉普拉斯分布中生成|E|个噪声值Y＝(y1，y2，…，y|E|)，噪声优化，令xi＝|yi|，然后将优化后的噪声值转换为概率值pi←F(xi)，将概率值pi添加到噪声图G’的边ei，得到不确定有向图其中，

对任意的外链接邻域对(G1，G2)，查询函数f的全局敏感度表示为：其中，外链接邻域定义为：对给定的两个有向图G1(V1，E1)和G2(V2，E2)，如果V1＝V2，E2＝E1‑{(v1，v2)v1＝x}，则称G1和G2是外链接相邻的；

其中，

外链接隐私为：

设有随机算法M，Range(M)为M所有可能的输出构成的集合，对于任意两个外链接邻域图G1和G2以及Range(M)的任何子集S，若算法M满足：ò

Pr(M(G1)∈S)≤e×Pr(M(G2)∈S)，则称随机算法M提供ò‑外链接隐私保护，其中参数ò称为隐私保护预算；

其中，

不确定图定义为：

给定一个无向图G(V，E)，如果映射P：VP→[0，1]是边集中每条边存在的概率函数，那么G’(V，P)是关于无向图G(V，E)的不确定图，其中Vp表示顶点集V中所有可能的顶点对。