1.一种基于随机链路填充和差分隐私的流量混淆方法，其特征在于，包括以下步骤：采集目标网站流量数据，生成到达间隔时间矩阵和数据包长度矩阵；

根据配置文件读取填充预算和采样窗口；

根据填充预算和采样窗口生成服从瑞利分布的数据包插入时间表；

计算数据包的噪声值，根据该噪声值更改该数据包长度；

根据时间表调度虚拟数据包，并采样到达间隔时间；

倒计时到达间隔时间，若倒计时过程中无数据包到来，则到达间隔时间倒计时结束后插入额外的虚拟数据包。

2.根据权利要求1所述的一种基于随机链路填充和差分隐私的流量混淆方法，其特征在于，根据配置文件读取填充预算和采样窗口包括：Bc和Bs分别为客户端和代理服务端的填充开销预算，nc和ns分别表示两端注入的虚拟包数量，且nc服从1到Bc之间的均匀分布、ns服从1到Bs之间的均匀分布；

若服务器或服务器端的最大填充时间和最小填充时间为PTmax和PTmin，对于每条流量，客户端从PTmin和PTmax之间的均匀分布中采样填充窗口wc，即wc服从PTmin到PTmax之间的均匀分布；服务器端从PTmin和PTmax之间的均匀分布中采样填充窗口ws，即ws服从PTmin到PTmax之间的均匀分布服务器端同样地。

3.根据权利要求1所述的一种基于随机链路填充和差分隐私的流量混淆方法，其特征在于，客服端和代理服务端分别根据填充预算和采样窗口生成服从瑞利分布的数据包插入时间表，表示为：其中，t表示时间戳，w表示采样窗口长度，w＝{wc，ws}，wc表示客服端的采样窗口，ws表示代理客服端的采样窗口。

4.根据权利要求1所述的一种基于随机链路填充和差分隐私的流量混淆方法，其特征在于，数据包的噪声值的计算过程表示为：其中， 为时间戳为t的数据包的噪声值； 表示G(t)时刻的噪声值；x[G(t)]表示时间戳为G(t)时的数据包大小；x[t]表示时间戳为t时的数据包大小；rt表示不同时刻从拉普拉斯分布采样得到的随机数。

5.根据权利要求4所述的一种基于随机链路填充和差分隐私的流量混淆方法，其特征在于，时间戳G(t)的计算包括：其中，D(t)表示2除以时间戳t的最大幂，t＝D(t)当且仅当t是2的幂。

6.根据权利要求4所述的一种基于随机链路填充和差分隐私的流量混淆方法，其特征在于，不同时刻从拉普拉斯分布采样得到的随机数rt表示为：其中，Lap()表示拉普拉斯分布；ε表示隐私参数；D(t)表示2除以时间戳t的最大幂，t＝D(t)当且仅当t是2的幂； 表示向下取整。

7.根据权利要求1所述的一种基于随机链路填充和差分隐私的流量混淆方法，其特征在于，根据该噪声值更改该数据包长度时，若产生的噪声为ρ，数据包大小为si，如果ρ>0，数据包大小填充至si+ρ；若ρ＝0，添加虚拟包；若ρ<0，数据包大小将被减少为si‑ρ，并且数据包的剩余部分将被缓冲到队列中，直到后续的真实或虚拟包在流量序列中可用。

8.根据权利要求1所述的一种基于随机链路填充和差分隐私的流量混淆方法，其特征在于，IAT倒计时结束后插入额外的虚拟数据包的长度从数据包长度矩阵中采样，虚拟包的时间戳等于当前流量时间戳加上采样得到的时间IAT，虚拟包的方向和上一个真实数据包的方向相同。