| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 研究现状与分析 | 第12-14页 |
| 1.3 本文主要工作及创新 | 第14-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 第2章 差分隐私保护模型、粗糙集理论概述 | 第17-24页 |
| 2.1 差分隐私保护模型 | 第17-21页 |
| 2.1.1 差分隐私的定义 | 第17-18页 |
| 2.1.2 差分隐私实现机制 | 第18-20页 |
| 2.1.3 差分隐私的组合特性 | 第20-21页 |
| 2.2 粗糙集理论 | 第21-22页 |
| 2.2.1 粗糙集理论相关概念 | 第21-22页 |
| 2.2.2 属性依赖度 | 第22页 |
| 2.3 统计查询中的隐私问题 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 关联数据中基于粗糙集分类的差分隐私保护方法 | 第24-32页 |
| 3.1 关联数据隐私保护问题描述 | 第24-26页 |
| 3.2 基于粗糙集的属性分类 | 第26-29页 |
| 3.2.1 度量属性相互之间的依赖程度 | 第26-28页 |
| 3.2.2 对属性进行分类 | 第28-29页 |
| 3.3 基于信息熵的加噪机制 | 第29-30页 |
| 3.3.1 敏感度分析 | 第29页 |
| 3.3.2 基于信息熵的加噪方法 | 第29-30页 |
| 3.4 基于粗糙集的差分隐私算法安全性分析 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 基于粗糙集理论的差分隐私保护方法设计与实现 | 第32-38页 |
| 4.1 方案的总体设计和执行步骤 | 第32-34页 |
| 4.1.1 系统需求分析 | 第32页 |
| 4.1.2 系统总体设计 | 第32-34页 |
| 4.2 基于粗糙集的属性分类算法 | 第34-36页 |
| 4.3 基于信息熵的差分隐私加噪算法 | 第36-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第5章 系统环境与实验分析 | 第38-46页 |
| 5.1 系统环境与数据集描述 | 第38-40页 |
| 5.1.1 系统环境设置 | 第38页 |
| 5.1.2 实验设计 | 第38-39页 |
| 5.1.3 实验过程描述 | 第39-40页 |
| 5.2 实验结果分析 | 第40-44页 |
| 5.2.1 不同隐私参数下误差随查询次数的变化 | 第40-42页 |
| 5.2.2 不同隐私参数下随机组合查询的总误差 | 第42-43页 |
| 5.2.3 与其他隐私模型的对比 | 第43-44页 |
| 5.3 本章小结 | 第44-46页 |
| 第6章 总结与展望 | 第46-48页 |
| 6.1 总结 | 第46页 |
| 6.2 展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 攻读硕士学位期间的研究成果 | 第52-53页 |
| 致谢 | 第53-54页 |