| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究的背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 统计类数据的发布 | 第12-13页 |
| 1.2.2 关联类数据的发布 | 第13-14页 |
| 1.3 论文的主要工作及组织结构 | 第14-16页 |
| 第2章 相关技术介绍 | 第16-31页 |
| 2.1 差分隐私保护模型 | 第16-20页 |
| 2.1.1 Laplace机制 | 第18-19页 |
| 2.1.2 指数机制 | 第19-20页 |
| 2.1.3 组合性质 | 第20页 |
| 2.2 马尔科夫蒙特卡洛方法 | 第20-24页 |
| 2.2.1 马尔科夫链 | 第21-23页 |
| 2.2.2 蒙特卡洛方法 | 第23页 |
| 2.2.3 Metropolis-Hastings算法 | 第23-24页 |
| 2.3 层次随机图 | 第24-28页 |
| 2.3.1 定义与表示 | 第24-26页 |
| 2.3.2 评价指标 | 第26-27页 |
| 2.3.3 构建方法 | 第27-28页 |
| 2.4 社区发现 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于差分隐私的数据发布算法 | 第31-54页 |
| 3.1 基础算法 | 第31-36页 |
| 3.1.1 基于直方图的数据发布算法 | 第31-34页 |
| 3.1.2 基于层次随机图的关联数据发布算法 | 第34-36页 |
| 3.2 基于有序划分的直方图数据发布 | 第36-43页 |
| 3.2.1 算法概述 | 第36-37页 |
| 3.2.2 分区算法 | 第37-41页 |
| 3.2.3 算法详述 | 第41-42页 |
| 3.2.4 隐私分析 | 第42-43页 |
| 3.3 基于HRG分治的关联数据发布 | 第43-53页 |
| 3.3.1 算法出发点 | 第43-45页 |
| 3.3.2 社区发现算法 | 第45-47页 |
| 3.3.3 算法详述 | 第47-52页 |
| 3.3.4 隐私分析 | 第52-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第4章 实验设计与结果分析 | 第54-69页 |
| 4.1 实验环境 | 第54-58页 |
| 4.1.1 实验平台 | 第54页 |
| 4.1.2 实验数据 | 第54-56页 |
| 4.1.3 实验方案 | 第56页 |
| 4.1.4 评估度量 | 第56-58页 |
| 4.2 实验结果与分析 | 第58-67页 |
| 4.2.1 数值型数据发布算法 | 第58-62页 |
| 4.2.2 关联数据发布算法 | 第62-67页 |
| 4.3 本章小结 | 第67-69页 |
| 第5章 总结与展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读学位期间公开发表论文 | 第75-77页 |
| 致谢 | 第77页 |