1.一种基于目标k节点分解的社交网络关键人物隐匿方法，其特征在于，包括如下步骤：S1：对社交网络中节点分配核值，并定义关键人物；

S2：获取节点层级权重信息，并针对目标节点构建回溯树得到候选边集；具体包括：S2.1：对于网络中的每个节点，找到其邻居节点 和节点度值 ；

S2.2：根据定理当且仅当 时，移除边 会使k节点崩溃

和定理设 ，除去 后，只有核数为 的节点会崩溃，其核数最多减

少1，得到初始候选边集 ；

S2.3：利用改进洋葱分解算法对图 的k节点划分为不同的层，从而使候选边集进行进一步约简；首先计算所有节点的节点度值 ，并对节点度值进行排序得到度序，根据度序从小到大将节点剥离，根据到达给定节点需要多少次剥离将节点划分为不同的层；也即如果k壳的节点在k核内的度数恰好为 ，则属于第一局部层；若去除第一层之后，节点度数最多为 的节点属于第二局部层，以此类推得到每个节点所在层数 ；

S2.4：根据层数 优先考虑崩塌阶数较高的邻居，利用广度优先搜索算法迭代回溯相对于当前节点保持增加崩溃顺序的邻居；首先利用改进洋葱分解算法计算每个节点的层数值，并初始化队列为目标节点集合；然后初始化一个空的有向图 ，其中包含节点集合和空边集；接着遍历队列中的每个节点 ，找到所有与 相邻且核数为 的节点 ，并将这些节点存入集合 ，然后找到所有在集合中且层数小于节点 的节点 ，并将这些节点存入集合 ，更新队列，将 从队列中移除，并将所有在 中但不在回溯树 中的节点加入队列，更新 ，将所有在 中的节点 以及边 添加到 中；最后得到约简后的候选边集 ；

S3：根据候选边集选择最受影响的边修剪删除；

S4：重复步骤S3直到目标节点中所有节点从k核子图中移除，达到关键人物隐匿的效果。

2.根据权利要求1所述的一种基于目标k节点分解的社交网络关键人物隐匿方法，其特征在于：步骤S1所述的对社交网络中节点分配核值，并定义关键人物，具体包括以下步骤：S1.1：首先利用k核分解算法对网络中的每个节点分配一个核值 ，节点的核值等价于节点的重要性，节点的核值越高，就表明节点的重要性越高；

S1.2：定义社交网络中核值最高的节点为关键人物 。

3.根据权利要求1所述的一种基于目标k节点分解的社交网络关键人物隐匿方法，其特征在于：步骤S3所述的根据候选边集选择最受影响的边修剪删除，具体包括以下步骤：S3.1：遍历候选边集 中的每条边 ，根据修剪规则对边 进行修剪；

S3.2：从回溯树中移除边 ，得到新的子图，同时初始化修剪后的跟随者集合为边 的跟随者集合与目标节点集合 的交集；

S3.3：找到所有目标节点集合 中排除了零入度节点以外的节点集合 ，从中移除节点集合 ，将节点集合 加入修剪后的跟随者集合，得到修剪后的跟随者集合；

S3.4：选择修剪后跟随者最多的边 ，将 加入被移除的边集合中，最终得到被移除的边集合。

4.基于目标k节点分解的社交网络关键人物隐匿装置，其特征在于，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现权利要求1‑3中任一项所述的一种基于目标k节点分解的社交网络关键人物隐匿方法。

5.一种计算机可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时，实现权利要求1‑3中任一项所述的基于目标k节点分解的社交网络关键人物隐匿方法。