| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 课题研究背景 | 第11-12页 |
| 1.2 研究目的及意义 | 第12-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 第2章 相关工作 | 第15-29页 |
| 2.1 云平台相关技术 | 第15-20页 |
| 2.1.1 Hadoop YARN | 第15-17页 |
| 2.1.2 Spark | 第17-19页 |
| 2.1.3 HBase | 第19-20页 |
| 2.2 时空数据和查询隐私保护相关研究 | 第20-27页 |
| 2.2.1 空间信息查询隐私保护相关研究 | 第21-23页 |
| 2.2.2 数据检索中查询隐私保护相关研究 | 第23-24页 |
| 2.2.3 CPIR隐私查询算法相关介绍 | 第24-27页 |
| 2.3 本章小结 | 第27-29页 |
| 第3章 基于Spark的并行空间隐私保护查询算法 | 第29-63页 |
| 3.1 基于Spark的CPIR并行空间范围隐私保护查询算法 | 第29-36页 |
| 3.1.1 空间范围划分 | 第29-30页 |
| 3.1.2 数据组织格式 | 第30-31页 |
| 3.1.3 问题描述和算法基本思想 | 第31-33页 |
| 3.1.4 PGSRQ-PIR算法 | 第33-35页 |
| 3.1.5 PGSRQ-PIR算法性能分析 | 第35-36页 |
| 3.2 基于Spark的CPIR-V最近邻隐私保护查询算法 | 第36-43页 |
| 3.2.1 相关概念及问题描述 | 第36-39页 |
| 3.2.2 算法基本思想 | 第39-41页 |
| 3.2.3 PCPIR-V算法 | 第41-43页 |
| 3.2.4 PCPIR-V算法性能分析 | 第43页 |
| 3.3 基于Spark的CPIR-V的缓存优化隐私保护查询算法 | 第43-49页 |
| 3.3.1 相关问题的描述 | 第43-44页 |
| 3.3.2 算法基本思想 | 第44-46页 |
| 3.3.3 PCPIR-V缓存优化算法 | 第46-48页 |
| 3.3.4 PCIPR-V缓存优化算法性能分析 | 第48-49页 |
| 3.4 实验及结果分析 | 第49-61页 |
| 3.4.1 实验环境和实验数据集 | 第49-50页 |
| 3.4.2 基于Spark的范围隐私查询算法实验结果分析 | 第50-52页 |
| 3.4.3 基于Spark的最近邻隐私查询算法实验结果分析 | 第52-59页 |
| 3.4.4 基于Spark的最近邻隐私缓存优化查询算法实验结果分析 | 第59-61页 |
| 3.5 本章小结 | 第61-63页 |
| 第4章 基于CPIR和k-匿名的分片隐私保护查询算法的研究 | 第63-75页 |
| 4.1 相关概念及问题描述 | 第63-64页 |
| 4.1.1 k-匿名隐私保护 | 第63-64页 |
| 4.1.2 问题的描述 | 第64页 |
| 4.2 基于CPIR和k-匿名的分片隐私查询算法 | 第64-70页 |
| 4.2.1 数据分片策略 | 第64-66页 |
| 4.2.2 数据组织格式 | 第66页 |
| 4.2.3 算法基本思想 | 第66-68页 |
| 4.2.4 KB-CPIR算法 | 第68-69页 |
| 4.2.5 KB-CPIR算法性能分析 | 第69-70页 |
| 4.3 实验及结果分析 | 第70-73页 |
| 4.3.1 实验环境和实验数据集 | 第70-71页 |
| 4.3.2 KB-CPIR隐私查询实验结果分析 | 第71-73页 |
| 4.4 本章小结 | 第73-75页 |
| 第5章 总结与展望 | 第75-77页 |
| 5.1 内容总结 | 第75页 |
| 5.2 未来展望 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-85页 |
| 攻读硕士学位期间主要成果 | 第85页 |
