“互联网+”背景下用户隐私泄露与保护研究
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 引言 | 第16-18页 |
| 1.2 研究内容及意义 | 第18-21页 |
| 1.3 研究的创新性及主要贡献 | 第21-22页 |
| 1.4 论文结构 | 第22-24页 |
| 第二章 相关研究工作及进展 | 第24-36页 |
| 2.1 面向物理层的用户隐私数据安全 | 第24-30页 |
| 2.1.1 多输入多输出系统 | 第26-27页 |
| 2.1.2 认知无线电 | 第27-30页 |
| 2.2 面向应用层的用户隐私数据保护 | 第30-36页 |
| 2.2.1 用于服务或应用的网络流量转载 | 第30-32页 |
| 2.2.2 深度学习中的隐私数据泄露 | 第32-36页 |
| 第三章 面向物理层的用户隐私数据保护研究 | 第36-78页 |
| 3.1 多输入多输出系统的用户隐私数据保护 | 第36-56页 |
| 3.1.1 研究内容介绍 | 第36-40页 |
| 3.1.2 相关研究工作介绍 | 第40-41页 |
| 3.1.3 重要的相关技术 | 第41-43页 |
| 3.1.4 基于训练序列的隐私数据窃听攻击 | 第43-46页 |
| 3.1.5 瞬时信道状态信息的安全预测方案 | 第46-51页 |
| 3.1.6 静态信道状态信息的自适应安全方案 | 第51-52页 |
| 3.1.7 实验结果与分析 | 第52-56页 |
| 3.2 认知无线电网络的用户隐私数据保护 | 第56-78页 |
| 3.2.1 研究内容介绍 | 第56-59页 |
| 3.2.2 重要的相关技术 | 第59-62页 |
| 3.2.3 隐私保护的协同频谱感知 | 第62-67页 |
| 3.2.4 CSS_(DE)方案的零知识证明扩展 | 第67-68页 |
| 3.2.5 门限密码体系的协同频谱感知安全方案 | 第68-73页 |
| 3.2.6 仿真实验评估 | 第73-78页 |
| 第四章 面向应用层的用户隐私数据保护研究 | 第78-122页 |
| 4.1 网络流量转载中的用户隐私保护 | 第78-98页 |
| 4.1.1 研究内容介绍 | 第78-81页 |
| 4.1.2 系统安全模型 | 第81-84页 |
| 4.1.3 Gale-Shapley算法及其应用 | 第84-85页 |
| 4.1.4 广告板模型 | 第85页 |
| 4.1.5 差分隐私的流式计数器 | 第85-86页 |
| 4.1.6 具有可信中心时的流量转载隐私保护 | 第86-91页 |
| 4.1.7 系统中心不可信任时的流量转载隐私保护 | 第91-94页 |
| 4.1.8 实验结果与分析 | 第94-98页 |
| 4.2 深度学习中用户隐私数据泄露与保护 | 第98-122页 |
| 4.2.1 研究内容介绍 | 第98-101页 |
| 4.2.2 相关研究工作介绍 | 第101-102页 |
| 4.2.3 重要的相关技术 | 第102-105页 |
| 4.2.4 安全模型 | 第105-106页 |
| 4.2.5 满足差分隐私的卷积神经网络 | 第106-110页 |
| 4.2.6 满足差分隐私的参数更新 | 第110-114页 |
| 4.2.7 微调学习场景 | 第114-115页 |
| 4.2.8 优化网络划分的选择 | 第115-117页 |
| 4.2.9 实验结果与分析 | 第117-122页 |
| 第五章 总结和展望 | 第122-128页 |
| 5.1 工作总结 | 第122-125页 |
| 5.2 未来工作展望 | 第125-128页 |
| 参考文献 | 第128-144页 |
| 致谢 | 第144-146页 |
| 攻读博士期间发表论文情况 | 第146-148页 |
| 攻读博士期间参与项目情况 | 第148-150页 |
| 攻读博士期间获奖情况 | 第150-151页 |
