1.基于秘密规范的个性化隐私保护机制的数据查询保护方法，其特征在于，包括：访问设备发送查询指令至数据存储设备；

数据存储设备执行：

接收并解析查询指令获得查询函数和查询属性；

从设定数据集中提取查询属性数据集，包括：

设定数据集表示为D0＝(r1，…，ri…，rn)，n表示用户数量，ri表示用户ui的记录，用户索引i∈[1，n]， k表示属性维数，ri来自域 表示用户ui的属性Aj记录，属性索引j∈[1，k]；

设查询属性为属性Aj，则查询属性数据集

获取用户秘密规范集，基于用户秘密规范集将查询属性数据集划分为敏感子集和非敏感子集，包括：用户秘密规范集 包括设定数据集对应的所有用户的秘密规范，用户ui的秘密规范定k义为二元函数：Si：ri→{0，1}，若用户ui定义属性Aj记录为敏感记录，则用户ui的秘密规范在属性Aj的数值Si(Aj)＝1，若用户ui定义属性Aj记录为不敏感记录，则用户ui的秘密规范在属性Aj的数值Si(Aj)＝0；

设属性Aj为查询属性，对所有用户执行：若用户ui的秘密规范在属性Aj的数值Si(Aj)＝

1，则将用户ui的属性Aj记录 的记录值归入敏感子集Ds，若用户ui的秘密规范在属性Aj的数值Si(Aj)＝0，则将用户ui的属性Aj记录 的记录值归入非敏感子集Dns；

当查询函数为均值查询函数时，根据预先构建的基于秘密规范的拉普拉斯机制获得查询属性数据集的均值查询结果，包括：步骤A1，根据敏感子集Ds和非敏感子集Dns计算查询属性数据集的均值fmean(D)：其中，|·|表示求取数据集的基数，fmean(·)表示均值查询函数，fmean(Ds)表示敏感子集Ds的均值，fmean(Dns)表示非敏感子集Dns的均值；

步骤A2，构建查询属性数据集的 ‑相邻数据集D′，获取均值查询函数的全局灵敏度其中，fmean(D′)表示 ‑相邻数据集D′的均值，|| ||1表示L1范数；

步骤A3，在查询属性数据集的均值fmean(D)中添加满足Laplace分布的噪声获得均值查询结果其中，Lap(·)表示lapalce

分布概率密度函数，∈表示预设的隐私保护程度，∈＞0；

当查询函数为中值查询函数时，根据预先构建的基于秘密规范的指数机制获得查询属性数据集的中值查询结果，包括：步骤B1，对查询属性数据集D中查询属性记录的记录值按照从小到大排序；

步骤B2，设排序后的查询属性数据集D的基数|D|＝2m+1，第一中间参数 设O表示查询属性数据集D的中值输出空间；

步骤B3，对任意输出中值o∈O，按照如下公式计算中值o的得分函数值其中，D*表示改变查询属性数据集D中任意数量的敏* *

感记录的记录值而形成的满足fmed(D)＝o的数据集； 表示D和D 中不同的敏感记录的集合；r表示属于 的敏感记录； 表示在 中敏感记录个数最小时， 的敏感记录个数乘以‑∈获得的乘积为中值o的得分函数值，fmed(·)表示中值查询函数，∈表示预设的隐私保护程度，∈＞0；

步骤B4，计算中值输出空间O中所有中值的输出概率，设中值o的输出概率为：

步骤B5，将按照中值输出空间O中所有中值的输出概率输出的中值作为中值查询结果向访问设备发布查询属性数据集的均值查询结果和/或中值查询结果。

2.一种人口普查数据集查询保护方法，其特征在于，包括：访问设备发送查询指令至存储人口普查数据集的数据存储设备；

数据存储设备执行：

接收并解析查询指令获得查询函数和查询属性，所述查询属性包括年龄和年收入；

从人口普查数据集中提取查询属性数据集，包括：人口普查数据集记为设定数据集，设定数据集表示为D0＝(r1，…，ri…，rn)，n表示用户数量，ri表示用户ui的记录，用户索引i∈[1，n]， k表示属性维数，ri来自域 表示用户ui的属性Aj记录，属性索引j∈[1，k]；

设查询属性为属性Aj，则查询属性数据集

获取用户秘密规范集，基于用户秘密规范集将查询属性数据集划分为敏感子集和非敏感子集，包括：用户秘密规范集 包括人口普查数据集对应的所有用户的秘密规范，用户ui的秘密规k范定义为二元函数：Si：ri→{0，1} ，若用户ui定义属性Aj记录为敏感记录，则用户ui的秘密规范在属性Aj的数值Si(Aj)＝1，若用户ui定义属性Aj记录为不敏感记录，则用户ui的秘密规范在属性Aj的数值Si(Aj)＝0；

设属性Aj为查询属性，对所有用户执行：若用户ui的秘密规范在属性Aj的数值Si(Aj)＝

1，则将用户ui的属性Aj记录 的记录值归入敏感子集Ds，若用户ui的秘密规范在属性Aj的数值Si(Aj)＝0，则将用户ui的属性Aj记录 的记录值归入非敏感子集Dns；

当查询函数为均值查询函数时，根据预先构建的基于秘密规范的拉普拉斯机制获得查询属性数据集的均值查询结果，包括：步骤C1，根据敏感子集Ds和非敏感子集Dns计算查询属性数据集的均值fmean(D)：其中，|·|表示求取数据集的基数，fmean(·)表示均值查询函数，fmean(Ds)表示敏感子集Ds的均值，fmean(Dns)表示非敏感子集Dns的均值；

步骤C2，构建查询属性数据集的 ‑相邻数据集D’，获取均值查询函数的全局灵敏度其中，fmean(D′)表示 ‑相邻数据集D′的均值，|| ||1表示L1范数；

步骤C3，在查询属性数据集的均值fmean(D)中添加满足Laplace分布的噪声获得最终的均值查询结果其中，Lap(·)表示lapalce

分布概率密度函数，∈表示预设的隐私保护程度，∈＞0；

当查询函数为中值查询函数时，根据预先构建的基于秘密规范的指数机制获得查询属性数据集的中值查询结果，包括：步骤D1，对查询属性数据集D中查询属性记录的记录值按照从小到大排序；

步骤D2，设排序后的查询属性数据集D的基数|D|＝2m+1，第一中间参数 设O表示查询属性数据集D的中值输出空间；

步骤D3，对任意输出中值o∈O，按照如下公式计算中值o的得分函数值其中，D*表示改变查询属性数据集D中任意数量的敏*

感记录的记录值而形成的满足fmed(D)＝o的数据集； 表示D和D*中不同的敏感记录的集合；r表示属于 的敏感记录； 表示在 中敏感记录个数最小时， 的敏感记录个数乘以‑∈获得的乘积为中值o的得分函数值，fmed(.)表示中值查询函数，∈表示预设的隐私保护程度，∈＞0；

步骤D4，计算中值输出空间O中所有中值的输出概率，设中值o的输出概率为：

步骤D5，将按照中值输出空间O中所有中值的输出概率输出的中值作为中值查询结果向访问设备发布查询属性数据集的均值查询结果和/或中值查询结果。