1.一种基于微服务的社交网络数据差分隐私保护方法，其特征在于所述微服务包括数据处理微服务模块、获取参数微服务模块、图序列差分化微服务模块和差分隐私化微服务模块；所述方法采用如下步骤：步骤一：用户输入网络数据集以及初始参数；

步骤二：调用数据处理微服务模块，生成图序列；

所述数据处理微服务模块根据步骤一中用户输入的网络数据集的特点以及参数，将输入数据转换为图序列；

步骤三：根据步骤二生成的图序列获取参数微服务模块；所述获取参数微服务模块根据用户输入的参数以及当前图序列，生成节点度阈值和全局敏感度；

步骤四：采用图序列差分化微服务模块；所述图序列差分化微服务模块根据图序列生成原始序列，给定一个作用于图序列的随机函数，先根据原始序列生成一阶差分序列，然后在一阶差分序列的基础上生成二阶差分序列；

步骤五：对处理后的二阶差分序列采用差分隐私化微服务模块，所述差分隐私化微服务模块根据全局敏感度和不同的隐私预算，隐私预算的值按照1‑10顺序递增，在二阶差分序列上添加同全局敏感度与当前隐私预算的比值成正比例的拉普拉斯噪声；并记录原始序列与添加噪声之后的序列之间的相对L1误差；

步骤六：根据步骤五记录的相对L1误差和不同的隐私预算产生的误差，生成以隐私预算为横坐标、以相对L1误差为纵坐标的折线统计图。

2.根据权利要求1所述的一种基于微服务的社交网络数据差分隐私保护方法，其特征在于每个网络数据集中的节点集合和边集合生成图G＝(V,E)，其中V表示图中节点的集合，E表示图中边的集合；新节点进入当前图的时刻记录在图序列中，用V.time表示；

则步骤二中图序列形式定义为G＝(G1,G2,G3,…)，根据数据处理微服务模块生成Gt＝(Vt,Et)，t＝1,2,3...，Vt表示t时刻构成图的节点集合，Et表示t时刻构成图的边的集合，Gt＝(Vt,Et)表示t时刻到达的所有节点和边构成的图。

3.根据权利要求1所述的一种基于微服务的社交网络数据差分隐私保护方法，其特征在于步骤三中节点度阈值的获取具体采用：步骤301、用户输入的参数为edge，则阈值为‑1；

步骤302、用户输入的参数为highDeg，则判断用户是当前的网络数据是有向图结构还是无向图结构，如果是有向图，则根据当前网络数据的出度生成节点度阈值；如果是无向图，则根据当前网络数据的度生成节点度阈值；

全局敏感度的获取先将步骤二中的图序列存储在list中，再常规获取当前list的所有节点的度或出度的最大值。

4.根据权利要求1所述的一种基于微服务的社交网络数据差分隐私保护方法，其特征在于步骤四中原始序列为G＝(f(G1),f(G2),f(G3),…)，其中G表示图，f(G1)表示作用于图序列G1的一个随机函数；先在原始序列初始位置插入0元素准备做差分，然后在连续相邻的两个元素之间作差分，生成一阶差分序列；在一阶差分序列初始位置插入0元素，连续相邻的两个元素作差分生成二阶差分序列。

5.根据权利要求1所述的一种基于微服务的社交网络数据差分隐私保护方法，其特征在于隐私预算的取值范围为0～10，不同的隐私预算生成不同的拉普拉斯噪声，拉普拉斯噪声存储在list噪声列表中，遍历二阶差分序列并相应的添加噪声列表中对应的拉普拉斯噪声。

6.根据权利要求1所述的一种基于微服务的社交网络数据差分隐私保护方法，其特征在于所述初始参数包括graphName、edgeOpt、degType和publish。