一种基于信息熵聚类的K-匿名化算法
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 引言 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 K-匿名算法研究现状 | 第10-12页 |
| 1.2.2 基于聚类的匿名算法研究现状 | 第12-14页 |
| 1.3 论文研究内容及意义 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第2章 相关理论与技术 | 第17-29页 |
| 2.1 微数据发布 | 第17-20页 |
| 2.1.1 信息披露风险 | 第18页 |
| 2.1.2 链接攻击 | 第18-19页 |
| 2.1.3 数据匿名化 | 第19-20页 |
| 2.2 K-匿名模型 | 第20-24页 |
| 2.2.1 K-匿名模型的基本概念 | 第20-21页 |
| 2.2.2 K-匿名模型的实现技术 | 第21-24页 |
| 2.3 全局重新编码和局部重新编码 | 第24-26页 |
| 2.3.1 全局重新编码 | 第25页 |
| 2.3.2 局部重新编码 | 第25-26页 |
| 2.4 聚类K-匿名算法 | 第26-28页 |
| 2.4.1 聚类方法概述 | 第26-27页 |
| 2.4.2 Greedy k-member算法 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 聚类K-匿名算法 | 第29-43页 |
| 3.1 EBKC算法的提出 | 第29-30页 |
| 3.2 算法的度量标准 | 第30-35页 |
| 3.2.1 数据可用性度量 | 第30-34页 |
| 3.2.2 数据安全性度量 | 第34-35页 |
| 3.3 基于信息熵的聚类K-匿名算法 | 第35-42页 |
| 3.3.1 算法前提工作 | 第35-37页 |
| 3.3.2 算法设计思想 | 第37-40页 |
| 3.3.3 算法描述 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 实验验证与结果分析 | 第43-51页 |
| 4.1 实验环境及数据集 | 第43-44页 |
| 4.2 实验内容及方案 | 第44页 |
| 4.3 实验结果与分析 | 第44-50页 |
| 4.3.1 数据可用性 | 第44-46页 |
| 4.3.2 数据安全性 | 第46-48页 |
| 4.3.3 算法执行效率 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第57-58页 |
| 致谢 | 第58页 |
