| 摘要 | 第1-11页 |
| ABSTRACT | 第11-13页 |
| 第一章 绪论 | 第13-18页 |
| ·研究背景 | 第13-15页 |
| ·问题描述 | 第15-16页 |
| ·本文工作 | 第16-17页 |
| ·论文结构 | 第17-18页 |
| 第二章 相关工作 | 第18-28页 |
| ·数据发布中的隐私保护 | 第18-21页 |
| ·基本概念 | 第18-19页 |
| ·攻击模型 | 第19-20页 |
| ·隐私保护的度量标准 | 第20-21页 |
| ·基于限制发布的隐私保护 | 第21-27页 |
| ·K-匿名方法 | 第21-22页 |
| ·L-多样性方法 | 第22-23页 |
| ·M-不变性方法 | 第23-25页 |
| ·T-逼近方法 | 第25页 |
| ·Anatomy方法 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于关联规则挖掘的背景知识攻击 | 第28-38页 |
| ·背景知识分类 | 第28-29页 |
| ·面向连续发布数据的背景知识获取 | 第29-32页 |
| ·问题描述 | 第29-30页 |
| ·面向背景知识的关联规则挖掘 | 第30-32页 |
| ·基于概率的隐私泄露量化模型 | 第32-35页 |
| ·面向连续发布数据的背景知识建模 | 第32页 |
| ·基于背景知识的隐私攻击 | 第32-34页 |
| ·连续发布数据中的隐私泄露度量 | 第34-35页 |
| ·案例分析 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 面向背景知识攻击的隐私保护 | 第38-48页 |
| ·基本概念 | 第38-40页 |
| ·隐私保护规则(ε,λ)-distinctness | 第40-42页 |
| ·(ε,λ)-distinctness规则的形式化描述 | 第40-41页 |
| ·(ε,λ)-distinctness规则的隐私保护置信度分析 | 第41-42页 |
| ·满足(ε,λ)-distinctness规则的隐私保护算法 | 第42-46页 |
| ·算法描述 | 第42-44页 |
| ·算法隐私安全性分析 | 第44-45页 |
| ·算法性能分析 | 第45-46页 |
| ·案例分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 系统实现与数据分析 | 第48-53页 |
| ·实验环境与实验数据 | 第48页 |
| ·实验分析 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| ·全文总结 | 第53-54页 |
| ·工作展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间参与的项目 | 第61-62页 |
| 学位论文评阅及答辩情况表 | 第62页 |
