面向Mashup多敏感属性数据集的隐私保护方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及目的 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 Mashup研究现状 | 第10页 |
| 1.2.2 数据发布中的隐私保护技术研究现状 | 第10-12页 |
| 1.3 论文的研究内容与组织结构 | 第12-15页 |
| 1.3.1 论文的研究内容 | 第12-13页 |
| 1.3.2 论文的组织结构 | 第13-15页 |
| 第2章 相关知识及技术 | 第15-31页 |
| 2.1 引言 | 第15页 |
| 2.2 MASHUP应用 | 第15-17页 |
| 2.2.1 Mashup应用技术架构 | 第15-16页 |
| 2.2.2 Mashup应用实现技术 | 第16-17页 |
| 2.3 数据聚合中的异构问题 | 第17-18页 |
| 2.4 常见隐私攻击模型 | 第18-22页 |
| 2.5 典型隐私保护模型 | 第22-26页 |
| 2.5.1 k-anonymity模型 | 第23页 |
| 2.5.2 1-diversity模型 | 第23-25页 |
| 2.5.3 (α,k)-anonymity模型 | 第25-26页 |
| 2.6 匿名化方法 | 第26-29页 |
| 2.6.1 泛化和抑制 | 第26-28页 |
| 2.6.2 聚类 | 第28页 |
| 2.6.3 分离和置换 | 第28页 |
| 2.6.4 随机扰动 | 第28-29页 |
| 2.7 信息度量标准 | 第29-30页 |
| 2.8 本章小结 | 第30-31页 |
| 第3章 数据聚合发布隐私保护方法 | 第31-51页 |
| 3.1 引言 | 第31-32页 |
| 3.2 解决数据聚合中语义异构问题的方案 | 第32-33页 |
| 3.2.1 映射表结构 | 第32-33页 |
| 3.2.2 数据模型转换过程 | 第33页 |
| 3.3 数据聚合发布隐私保护基本概念 | 第33-38页 |
| 3.3.1 LKC-Privacy隐私保护模型 | 第34-36页 |
| 3.3.2 自顶向下特化 | 第36-37页 |
| 3.3.3 PHDMashup算法 | 第37-38页 |
| 3.4 NPHDMASHUP隐私保护算法 | 第38-47页 |
| 3.4.1 基本思想 | 第39-40页 |
| 3.4.2 基本定义 | 第40-41页 |
| 3.4.3 算法描述 | 第41-43页 |
| 3.4.4 算法示例 | 第43-46页 |
| 3.4.5 算法分析 | 第46-47页 |
| 3.5 SPHDMASHUP隐私保护算法 | 第47-49页 |
| 3.5.1 改进原因 | 第47页 |
| 3.5.2 改进算法流程 | 第47-48页 |
| 3.5.3 改进算法描述 | 第48页 |
| 3.5.4 改进算法分析 | 第48-49页 |
| 3.6 本章小结 | 第49-51页 |
| 第4章 实验结果及分析 | 第51-59页 |
| 4.1 引言 | 第51页 |
| 4.2 实验环境 | 第51-52页 |
| 4.2.1 软硬件环境 | 第51页 |
| 4.2.2 实验数据集 | 第51-52页 |
| 4.3 实验结果评价标准 | 第52-53页 |
| 4.4 实验方案及结果分析 | 第53-57页 |
| 4.4.1 信息精度的比较 | 第53-56页 |
| 4.4.2 执行时间的比较 | 第56-57页 |
| 4.5 本章小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第65-67页 |
| 致谢 | 第67页 |
