| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 选题背景及意义 | 第8-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 差分隐私发展和研究现状 | 第10-12页 |
| 1.2.2 回归分析隐私保护的发展及研究现状 | 第12-13页 |
| 1.3 论文的主要内容 | 第13-14页 |
| 1.4 论文结构 | 第14-16页 |
| 第二章 相关技术介绍 | 第16-28页 |
| 2.1 传统的隐私保护模型 | 第16-18页 |
| 2.1.1 k-anonymity隐私保护模型 | 第17-18页 |
| 2.1.2 l-diversity | 第18页 |
| 2.2 差分隐私 | 第18-23页 |
| 2.2.1 相关定义 | 第18-20页 |
| 2.2.2 噪音机制 | 第20-21页 |
| 2.2.3 差分隐私组合特性 | 第21-22页 |
| 2.2.4 差分隐私的数据保护框架 | 第22页 |
| 2.2.5 差分隐私的评价指标 | 第22-23页 |
| 2.3 线性回归分析 | 第23-24页 |
| 2.4 逻辑回归分析 | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 差异化隐私预算分配的线性回归分析算法 | 第28-38页 |
| 3.1 问题描述 | 第28-29页 |
| 3.2 DIff_LR算法的基本思想和算法描述 | 第29-31页 |
| 3.2.1 Diff_LR算法的基本思想 | 第29-30页 |
| 3.2.2 DIff_LR算法描述 | 第30-31页 |
| 3.3 Diff_LR算法的理论证明 | 第31-33页 |
| 3.4 Diff_LR基本模块设计 | 第33-35页 |
| 3.4.1 添加Laplace噪声的Noised模块 | 第33-34页 |
| 3.4.2 计算误差率的模块LinearError模块 | 第34-35页 |
| 3.5 Diff_LR算法的实验分析 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 基于差分隐私的逻辑回归分析 | 第38-49页 |
| 4.1 问题描述 | 第38-39页 |
| 4.2 Diff_Gene算法思想 | 第39-40页 |
| 4.3 算法描述 | 第40-42页 |
| 4.4 理论证明 | 第42页 |
| 4.5 基本模块设计 | 第42-46页 |
| 4.5.1 Diff_Gene模块 | 第42-43页 |
| 4.5.2 DPSelect模块 | 第43-44页 |
| 4.5.3 计算误差率的模块LogisticError模块 | 第44-46页 |
| 4.6 实验分析 | 第46-48页 |
| 4.7 本章小结 | 第48-49页 |
| 第五章 结论与展望 | 第49-51页 |
| 5.1 工作总结 | 第49页 |
| 5.2 未来展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间的学位成果 | 第56-57页 |
