| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 论文研究内容 | 第16-17页 |
| 1.4 论文结构安排 | 第17-19页 |
| 第2章 隐私保护及相关技术 | 第19-34页 |
| 2.1 隐私保护概述 | 第19-22页 |
| 2.1.1 隐私定义 | 第19-20页 |
| 2.1.2 隐私泄露 | 第20页 |
| 2.1.3 隐私保护技术 | 第20-22页 |
| 2.2 匿名模型 | 第22-26页 |
| 2.2.1 相关概述和定义 | 第22-24页 |
| 2.2.2 k - 匿名模型 | 第24页 |
| 2.2.3 l -多样性模型 | 第24-26页 |
| 2.3 攻击模型 | 第26-28页 |
| 2.4 匿名化技术 | 第28-30页 |
| 2.4.1 泛化 | 第28-29页 |
| 2.4.2 隐匿 | 第29-30页 |
| 2.4.3 聚类 | 第30页 |
| 2.4.4 分解 | 第30页 |
| 2.5 信息损失度量标准 | 第30-33页 |
| 2.5.1 通用度量标准 | 第31页 |
| 2.5.2 特殊目的度量标准 | 第31-32页 |
| 2.5.3 隐私效用平衡度量标准 | 第32-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第3章 基于聚类的l - 多样性匿名隐私保护方法 | 第34-52页 |
| 3.1 l - 多样性聚类算法 | 第34-41页 |
| 3.1.1 l - 多样性聚类问题 | 第34-35页 |
| 3.1.2 距离度量 | 第35-38页 |
| 3.1.3 信息损失量 | 第38-39页 |
| 3.1.4 算法实现 | 第39-40页 |
| 3.1.5 算法分析 | 第40-41页 |
| 3.2 基于敏感程度分组约束的(l,c) - 匿名模型 | 第41-46页 |
| 3.2.1 模型基本定义 | 第42-43页 |
| 3.2.2 算法实现 | 第43-45页 |
| 3.2.3 算法分析 | 第45-46页 |
| 3.3 实验结果及分析 | 第46-51页 |
| 3.3.1 实验环境 | 第46-47页 |
| 3.3.2 信息损失分析 | 第47-49页 |
| 3.3.3 攻击脆弱性分析 | 第49-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第4章 面向多敏感属性的匿名隐私保护方法 | 第52-69页 |
| 4.1 多维桶分组技术 | 第52-55页 |
| 4.1.1 分组思想 | 第52-53页 |
| 4.1.2 问题的提出 | 第53-55页 |
| 4.2 匿名隐私保护模型 | 第55-61页 |
| 4.2.1 敏感属性相关性划分 | 第55-58页 |
| 4.2.2 模型基本定义 | 第58-60页 |
| 4.2.3 安全性分析 | 第60页 |
| 4.2.4 隐匿数据评估标准 | 第60-61页 |
| 4.3 算法 | 第61-64页 |
| 4.3.1 算法描述 | 第61页 |
| 4.3.2 算法实现 | 第61-64页 |
| 4.4 实验结果及分析 | 第64-68页 |
| 4.4.1 实验环境 | 第64-65页 |
| 4.4.2 隐匿率分析 | 第65-66页 |
| 4.4.3 附加信息损失分析 | 第66-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第5章 总结与展望 | 第69-71页 |
| 5.1 全文总结 | 第69-70页 |
| 5.2 研究展望 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第77页 |