基于启发式分析的大规模社会网络隐私保护
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-20页 |
| ·研究背景 | 第10-12页 |
| ·研究意义 | 第12-13页 |
| ·国内外研究现状 | 第13-18页 |
| ·传统隐私保护研究 | 第13-15页 |
| ·社会网络隐私保护研究 | 第15-18页 |
| ·论文主要研究内容 | 第18页 |
| ·论文组织结构 | 第18-20页 |
| 第二章 社会网络分析研究及典型算法介绍 | 第20-39页 |
| ·概述 | 第20-21页 |
| ·社会网络基本模型 | 第21-24页 |
| ·ER 随机图模型 | 第21-22页 |
| ·WS 小世界模型 | 第22-23页 |
| ·BA 无标度模型 | 第23-24页 |
| ·社会网络统计特征 | 第24-29页 |
| ·典型隐私保护算法介绍 | 第29-38页 |
| ·本章小结 | 第38-39页 |
| 第三章 启发式分析技术 | 第39-46页 |
| ·问题描述 | 第39-40页 |
| ·研究目标 | 第40页 |
| ·启发式分析技术 | 第40-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 大规模社会网络的快速隐私保护 | 第46-63页 |
| ·问题描述 | 第46页 |
| ·研究目标 | 第46页 |
| ·算法模型 | 第46-61页 |
| ·快速社区挖掘 | 第48-50页 |
| ·个性化 K-Degree 匿名化 | 第50-54页 |
| ·社区泛化 | 第54-59页 |
| ·节点同构 | 第59-61页 |
| ·HFPP 算法 | 第61页 |
| ·本章总结 | 第61-63页 |
| 第五章 实验结果分析 | 第63-74页 |
| ·实验结果分析 | 第64-73页 |
| ·本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| ·本文总结 | 第74页 |
| ·后续工作展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 攻硕期间取得的研究成果 | 第83-84页 |
