| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 研现究状 | 第16-17页 |
| 1.3 研究内容 | 第17页 |
| 1.4 论文结构 | 第17-19页 |
| 第二章 数据匿名化技术综述 | 第19-35页 |
| 2.1 数据匿名化技术 | 第20-22页 |
| 2.1.1 微数据定义 | 第20页 |
| 2.1.2 微数据的属性分类 | 第20-21页 |
| 2.1.3 披露风险与攻击类型 | 第21-22页 |
| 2.2 匿名模型 | 第22-30页 |
| 2.2.1 记录链接攻击与k-anonymity匿名模型 | 第22-23页 |
| 2.2.2 属性链接攻击与相关匿名模型 | 第23-28页 |
| 2.2.3 表链接攻击与 δ-presence模型 | 第28-29页 |
| 2.2.4 其他匿名模型 | 第29-30页 |
| 2.3 匿名化操作 | 第30-33页 |
| 2.3.1 泛化 | 第31-32页 |
| 2.3.2 抑制 | 第32页 |
| 2.3.3 微聚集 | 第32-33页 |
| 2.4 数据效用度量 | 第33-34页 |
| 2.4.1 最小失真度MD | 第33页 |
| 2.4.2 可辨别度DM | 第33页 |
| 2.4.3 平均等价类大小AECS | 第33页 |
| 2.4.4 精确度PM | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 匿名化的实现 | 第35-47页 |
| 3.1 泛化格 | 第35-36页 |
| 3.1.2 泛化层次的单调性 | 第36页 |
| 3.1.3 度量的单调性 | 第36页 |
| 3.2 Incognito算法 | 第36-37页 |
| 3.3 OLA算法 | 第37-38页 |
| 3.4 通用匿名化框架ARX与Flash算法 | 第38-45页 |
| 3.4.1 基本实现 | 第38-40页 |
| 3.4.2 优化 | 第40页 |
| 3.4.3 Flash算法 | 第40-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 基于敏感度分级量化的匿名模型 | 第47-59页 |
| 4.1 p+-sensitive k-anonymity | 第47-49页 |
| 4.2 (p,α)-sensitive k-anonymity | 第49-50页 |
| 4.3 p+-sensitive k-anonymity与(p,α)-sensitive k-anonymity存在的缺陷 | 第50-54页 |
| 4.3.1 p+-sensitive k-anonymity模型的缺陷 | 第51-52页 |
| 4.3.2 (p, α)-sensitive k-anonymity模型的缺陷 | 第52-54页 |
| 4.4 改进匿名模型(w, l, k)-anonymity | 第54-56页 |
| 4.4.1 改进方案 | 第54-55页 |
| 4.4.2 (w, l, k)-anonymity | 第55页 |
| 4.4.3 关于改进模型的几点解释 | 第55-56页 |
| 4.5 (w, l, k)-anonymity的实现 | 第56-57页 |
| 4.6 本章小结 | 第57-59页 |
| 第五章 实验结果与分析 | 第59-71页 |
| 5.1 实验环境及数据集 | 第59-60页 |
| 5.2 实验设计思路 | 第60-61页 |
| 5.3 实验结果 | 第61-69页 |
| 5.3.1 身份披露风险 | 第61-62页 |
| 5.3.2 敏感属性披露风险 | 第62-64页 |
| 5.3.3 数据效用 | 第64-69页 |
| 5.4 实验结论 | 第69页 |
| 5.5 本章小结 | 第69-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 研究工作总结 | 第71页 |
| 6.2 工作展望 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79-81页 |
| 作者简介 | 第81-82页 |
