1.一种保护个人相似度的社交图生成方法，其特征在于，包括以下步骤：获取初始社交图，计算初始社交图中关联节点之间的属性相似度，根据初始社交图中的所有属性相似度组成初始相似度序列，对初始相似度序列进行拉普拉斯加噪处理获得加噪相似度序列；对加噪相似度序列进行后置处理获得最终相似度序列；

后置处理的具体步骤如下：遍历加噪相似度序列中的每一个属性相似度，若属性相似度小于0或大于初始相似度序列中的最大属性相似度，则将该属性相似度赋值为初始相似度序列中的最大属性相似度；若属性相似度大于0且小于初始相似度序列中的最大属性相似度，则该属性相似度保持原值；

将最终相似度序列写入初始社交图中生成隐私社交图；

拉普拉斯加噪处理的具体步骤如下：

将初始相似度序列分割成多个集合；且初始相似度序列中的任一属性相似度在多个集合中仅出现一次；对每个集合分别进行拉普拉斯加噪处理；

每个集合分别进行拉普拉斯加噪处理的步骤具体如下：

设定第一隐私参数，遍历所有集合，若集合中的属性相似度的总数大于第一隐私参数，则给该集合中的每个属性相似度加上第一噪声；若集合中的属性相似度的总数小于第一隐私参数，则给该集合中的每个属性相似度加上第二噪声；

第一噪声与第二噪声均通过概率密度函数计算获得；概率密度函数如下：其中，P表示概率，x表示所添加的噪声值，x≤0，λ表示噪声尺度。

2.如权利要求1所述的一种保护个人相似度的社交图生成方法，其特征在于，第一噪声的噪声尺度的计算公式如下：λ1＝kp/ò

第二噪声的噪声尺度的计算公式如下：

λ2＝rp/ò

其中，λ1表示第一噪声的噪声尺度，λ2表示第二噪声的噪声尺度，k表示第一隐私参数，r表示集合中的属性相似度的总数，p表示初始相似度序列中的最大属性相似度，ò表示第二隐私参数；第二隐私参数通过设定获得。

3.如权利要求1或2所述的一种保护个人相似度的社交图生成方法，其特征在于，计算初始社交图中关联节点之间的属性相似度的步骤具体为：获取社交属性图中关联节点的属性向量，通过关联节点的属性向量和距离公式计算关联节点之间的距离，根据关联节点与关联距离生成该关联节点的属性相似度。

4.如权利要求3所述的一种保护个人相似度的社交图生成方法，其特征在于，距离公式具体为：其中，i表示节点i，j表示节点j，节点i和节点j为关联节点，lij表示关联节点i和j的关联距离，xi表示节点i的属性向量，xj表示节点j的属性向量，S表示xi与xj之间的协方差矩阵。

5.如权利要求3所述的一种保护个人相似度的社交图生成方法，其特征在于，属性相似度的表示为(i,j,lij)，其中i表示节点i，j表示节点j，lij表示关联节点i和j的关联距离。

6.如权利要求1、2、4或5所述的一种保护个人相似度的社交图生成方法，其特征在于，将最终相似度序列写入初始社交图中生成隐私社交图的步骤具体如下：将初始社交图分为节点集、边集和节点属性集；使用最终相似度序列代替初始社交图中的节点属性集生成隐私社交图。

7.一种保护个人相似度的社交图生成系统，其特征在于，在运行过程中实现了如权利要求1‑6任一一种保护个人相似度的社交图生成方法的步骤；该系统包括获取模块、计算模块、加噪模块、后置模块和生成模块；

获取模块用于获取初始社交图；

计算模块用于计算初始社交图中关联节点的属性相似度，并组成初始相似度序列；

加噪模块用于对初始相似度序列进行加噪处理，获得加噪相似度序列；

后置模块用于对加噪相似度序列进行后置处理，获得最终相似度序列；

生成模块用于将最终相似度序列写入初始社交图中生成隐私社交图。