| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-22页 |
| ·研究背景 | 第11-13页 |
| ·数据发布中的隐私保护研究现状 | 第13-21页 |
| ·本文的研究内容与组织 | 第21-22页 |
| 2 基于反聚类的隐私保护 | 第22-42页 |
| ·典型的隐私规则 | 第22-29页 |
| ·基于反聚类的隐私规则 | 第29-37页 |
| ·实验结果及分析 | 第37-40页 |
| ·小结 | 第40-42页 |
| 3 反背景知识的隐私保护 | 第42-62页 |
| ·典型的反背景知识的隐私规则 | 第44-47页 |
| ·(τ, λ)-Uniqueness 规则 | 第47-53页 |
| ·(τ, λ)-Uniqueness 算法 | 第53-56页 |
| ·实验结果及分析 | 第56-60页 |
| ·小结 | 第60-62页 |
| 4 数据重发布中的隐私保护 | 第62-83页 |
| ·典型的数据重发布中的隐私规则 | 第62-66页 |
| ·ε-Inclusion 规则 | 第66-73页 |
| ·ε-Inclusion 算法 | 第73-77页 |
| ·实验结果及分析 | 第77-81页 |
| ·小结 | 第81-83页 |
| 5 面向多敏感属性的隐私保护 | 第83-109页 |
| ·传统隐私规则的缺陷 | 第84-85页 |
| ·(t, k)-Disntinctness 规则 | 第85-90页 |
| ·(t, k)-Disntinctness 规则的性质 | 第90-96页 |
| ·(t, k)-Distinctness 算法 | 第96-99页 |
| ·实验结果及分析 | 第99-107页 |
| ·小结 | 第107-109页 |
| 6 社会网络数据发布中的隐私保护 | 第109-123页 |
| ·典型的图发布中的隐私保护方法 | 第110-112页 |
| ·k-Subgraph 规则 | 第112-118页 |
| ·实验结果及分析 | 第118-122页 |
| ·小结 | 第122-123页 |
| 7 总结与展望 | 第123-127页 |
| ·主要工作总结 | 第123-125页 |
| ·研究展望 | 第125-127页 |
| 致谢 | 第127-128页 |
| 参考文献 | 第128-139页 |
| 附录 攻读学位期间发表学术论文目录 | 第139页 |