首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--安全保密论文

本地差分隐私保护的数据统计分析研究

摘要第5-7页
ABSTRACT第7-9页
第1章 绪论第18-42页
    1.1 研究背景与意义第18-21页
    1.2 研究现状第21-38页
        1.2.1 隐私保护相关概念第21-22页
        1.2.2 三种隐私保护模型第22-24页
        1.2.3 经典隐私保护定义第24-27页
        1.2.4 集中式差分隐私第27-33页
        1.2.5 本地式差分隐私第33-38页
    1.3 关键问题与挑战第38-40页
    1.4 本文工作第40-41页
    1.5 论文结构第41-42页
第2章 本地差分隐私的统计有效性分析研究第42-56页
    2.1 引言第42-43页
    2.2 互信息界分析第43-48页
    2.3 分布估计第48-51页
    2.4 分布估计与互信息界分析研究现状第51-52页
    2.5 类别数据分布估计实验第52-55页
    2.6 本章小结第55-56页
第3章 离散量化数据的本地差分隐私保护与分布估计第56-78页
    3.1 引言第56-58页
    3.2 相关工作第58页
    3.3 系统模型第58-60页
        3.3.1 离散量化数据第58-59页
        3.3.2 隐私模型与定义第59页
        3.3.3 数据聚合模型第59-60页
    3.4 机制设计第60-67页
        3.4.1 填充指数机制第60-62页
        3.4.2 数据随机化组件第62-65页
        3.4.3 分布估计组件第65页
        3.4.4 估计误差分析第65-67页
    3.5 均匀离散量化数据的机制设计第67-69页
    3.6 复杂度比较第69-70页
        3.6.1 计算复杂度第69页
        3.6.2 空间复杂度第69页
        3.6.3 通信复杂度第69-70页
    3.7 离散量化数据分布估计实验第70-76页
        3.7.1 基本实验设定第71页
        3.7.2 一维离散量化数据分布估计误差第71-73页
        3.7.3 离散位置数据分布估计误差第73-74页
        3.7.4 运行时间第74-75页
        3.7.5 实验结论第75-76页
    3.8 本章小结第76-78页
第4章 本地差分隐私保护的集合数据统计分析研究第78-96页
    4.1 引言第78-80页
    4.2 相关工作第80页
        4.2.1 集合数据隐私保护第80页
        4.2.2 本地差分隐私第80页
    4.3 定义与模型第80-82页
        4.3.1 集合数据第81页
        4.3.2 隐私定义第81页
        4.3.3 隐私保护的集合数据统计分析模型第81-82页
    4.4 机制设计第82-87页
        4.4.1 集合数据预处理第83页
        4.4.2 集合数据随机化第83-86页
        4.4.3 元素分布估计第86页
        4.4.4 集合势分布估计第86-87页
    4.5 理论分析第87-90页
        4.5.1 分布估计误差第88页
        4.5.2 最优参数第88-89页
        4.5.3 理论误差界比较第89-90页
    4.6 集合数据统计分析实验第90-95页
        4.6.1 实验结果第91-95页
        4.6.2 实验小结第95页
    4.7 本章小结第95-96页
第5章 本地差分隐私保护的均值估计研究第96-112页
    5.1 研究背景第96-98页
    5.2 隐私保护均值估计相关工作第98页
    5.3 模型与定义第98-101页
        5.3.1 记号定义第98-99页
        5.3.2 隐私定义第99页
        5.3.3 问题定义第99-101页
    5.4 一维均值估计第101-104页
    5.5 多维均值估计第104-107页
        5.5.1 误差界最优化第104-106页
        5.5.2 带权重显著性检验第106-107页
        5.5.3 用户数量第107页
    5.6 均值估计实验第107-111页
        5.6.1 一维二元数据实验结果第108页
        5.6.2 一维计数数据实验结果第108-109页
        5.6.3 一维实值数据实验结果第109-110页
        5.6.4 多维数据实验结果第110-111页
    5.7 本章小结第111-112页
第6章 总结与展望第112-114页
参考文献第114-130页
致谢第130-132页
在读期间发表的学术论文与取得的研究成果第132-134页

论文共134页,点击 下载论文
上一篇:可重构平台上面向卷积神经网络的异构多核加速方法研究
下一篇:大口径望远镜动态结构误差在线校正技术研究