| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第14-36页 |
| 1.1 课题背景及研究意义 | 第14-16页 |
| 1.2 云环境下数据安全威胁概述 | 第16-20页 |
| 1.2.1 面向DaaS的云计算服务模式 | 第16-18页 |
| 1.2.2 面向DaaS数据隐私的新特点 | 第18-20页 |
| 1.2.3 数据隐私保护的目标 | 第20页 |
| 1.3 相关研究综述 | 第20-33页 |
| 1.3.1 数据发布的隐私保护技术 | 第21-26页 |
| 1.3.2 隐私保护的数据外包存储技术 | 第26-30页 |
| 1.3.3 隐私保护的大数据高效安全搜索技术 | 第30-33页 |
| 1.4 本文的研究内容及组织结构 | 第33-36页 |
| 1.4.1 本文研究内容 | 第33-34页 |
| 1.4.2 本文章节安排 | 第34-36页 |
| 第2章 混合云环境下抗关联分析的数据隐私保护策略 | 第36-58页 |
| 2.1 引言 | 第36-37页 |
| 2.2 相关工作 | 第37-38页 |
| 2.3 问题定义 | 第38-41页 |
| 2.3.1 背景知识 | 第38-39页 |
| 2.3.2 系统模型&威胁模型 | 第39-40页 |
| 2.3.3 安全度量指标 | 第40-41页 |
| 2.4 面向集值数据的数据匿名化策略 | 第41-48页 |
| 2.4.1 基本方案 | 第42-46页 |
| 2.4.2 改进方案 | 第46-48页 |
| 2.5 基于交互型差分隐私保护的统计搜索 | 第48-51页 |
| 2.5.1 交互型差分隐私机制 | 第49页 |
| 2.5.2 隐私保护的统计查询 | 第49-51页 |
| 2.6 构建共享聚合簇 | 第51-53页 |
| 2.7 实验结果与分析 | 第53-57页 |
| 2.7.1 实验环境 | 第53-54页 |
| 2.7.2 实验结果 | 第54-57页 |
| 2.8 本章小结 | 第57-58页 |
| 第3章 云环境下多源融合的数据隐私保护机制 | 第58-74页 |
| 3.1 引言 | 第58-59页 |
| 3.2 相关工作 | 第59-60页 |
| 3.3 问题定义 | 第60-63页 |
| 3.3.1 多租户外包数据融合架构 | 第60-62页 |
| 3.3.2 威胁模型 | 第62页 |
| 3.3.3 安全数据外包融合 | 第62-63页 |
| 3.4 基于多轮加细的多源协同数据匿名策略 | 第63-65页 |
| 3.5 面向DaaS应用的隐私保护机制 | 第65-70页 |
| 3.5.1 半可信云环境下的DaaS应用隐私保护机制 | 第65-69页 |
| 3.5.2 完全非可信云环境下的DaaS应用隐私保护机制 | 第69-70页 |
| 3.6 实验结果与分析 | 第70-73页 |
| 3.6.1 实验环境 | 第70页 |
| 3.6.2 数据加细匿名开销实验 | 第70-72页 |
| 3.6.3 数据分割开销实验 | 第72-73页 |
| 3.7 本章小结 | 第73-74页 |
| 第4章 混合云环境下数据检索过程中的差异化隐私保护机制 | 第74-96页 |
| 4.1 引言 | 第74-75页 |
| 4.2 相关工作 | 第75-76页 |
| 4.3 问题定义 | 第76-79页 |
| 4.3.1 差异化数据检索模型 | 第76-77页 |
| 4.3.2 v-粒度安全度量 | 第77-78页 |
| 4.3.3 预备知识 | 第78-79页 |
| 4.4 差异化检索服务 | 第79-85页 |
| 4.4.1 差异化信息距离 | 第79-80页 |
| 4.4.2 构建粒度化索引 | 第80-85页 |
| 4.5 差异化隐私保护机制 | 第85-91页 |
| 4.5.1 威胁模型 | 第85页 |
| 4.5.2 差异化数据隐私保护机制 | 第85-91页 |
| 4.6 实验结果与分析 | 第91-95页 |
| 4.6.1 实验环境 | 第91-92页 |
| 4.6.2 实验结果 | 第92-95页 |
| 4.7 本章小结 | 第95-96页 |
| 第5章 云环境下面向数据近似搜索的隐私保护机制 | 第96-122页 |
| 5.1 引言 | 第96-97页 |
| 5.2 相关工作 | 第97-98页 |
| 5.3 近似搜索系统架构 | 第98-101页 |
| 5.4 兼顾“隐私-精度-时效”的隐私度量指标 | 第101-110页 |
| 5.4.1 搜索精度的(ε,δ)-近似评估量化描述 | 第101-104页 |
| 5.4.2 搜索时效的(ε,δ)-近似评估量化描述 | 第104-106页 |
| 5.4.3 差分隐私度量的(ε,δ)-近似评估量化描述 | 第106-107页 |
| 5.4.4 k-匿名类隐私度量的(ε,δ)-近似评估量化描述 | 第107-110页 |
| 5.5 隐私保护粒度感知的高效搜索策略 | 第110-113页 |
| 5.5.1 面向隐私保护的同构搜索结果复用机制 | 第110-111页 |
| 5.5.2 面向隐私保护的增量数据搜索结果维护机制 | 第111-113页 |
| 5.6 基于自举法的加速搜索策略 | 第113-116页 |
| 5.7 实验结果与分析 | 第116-121页 |
| 5.7.1 实验环境 | 第116-117页 |
| 5.7.2 实验结果 | 第117-121页 |
| 5.8 本章小结 | 第121-122页 |
| 结论 | 第122-125页 |
| 参考文献 | 第125-139页 |
| 攻读博士学位期间发表的论文及其它成果 | 第139-143页 |
| 致谢 | 第143-145页 |
| 个人简历 | 第145页 |
