| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目的及意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.4 研究内容及创新点 | 第14-15页 |
| 1.5 本文的组织结构 | 第15-18页 |
| 第2章 社交网络与社交网络隐私保护 | 第18-29页 |
| 2.1 社交网络模型 | 第18-21页 |
| 2.1.1 构建社交网络模型 | 第18-19页 |
| 2.1.2 社交网络结构特征分析 | 第19-21页 |
| 2.2 社交网络隐私相关概述 | 第21-24页 |
| 2.2.1 隐私信息 | 第21-23页 |
| 2.2.2 社会网络中的背景知识 | 第23-24页 |
| 2.3 社交网络隐私保护技术 | 第24-26页 |
| 2.3.1 基于图修改的社交网络隐私保护方法 | 第24-25页 |
| 2.3.2 基于聚类的社交网络隐私保护方法 | 第25-26页 |
| 2.4 算法评价指标 | 第26-28页 |
| 2.4.1 时间复杂度 | 第26页 |
| 2.4.2 隐私保护度 | 第26页 |
| 2.4.3 匿名成本 | 第26-27页 |
| 2.4.4 数据效用 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于效用的差异化(d, k, l)-u匿名模型 | 第29-38页 |
| 3.1 k-度-l-多样性匿名模型 | 第29-31页 |
| 3.2 一种基于网络结构和数据内容的数据效用评估方法 | 第31-33页 |
| 3.2.1 数据效用研究状况分析 | 第31-32页 |
| 3.2.2 改进的数据效用评估方法 | 第32-33页 |
| 3.3 基于效用的差异化k-度-l-多样性匿名模型 | 第33-37页 |
| 3.3.1 差异化匿名模型的基本概念 | 第33-35页 |
| 3.3.2 差异化匿名模型的基本流程 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 属性差异化(d, k, l)-u匿名算法 | 第38-48页 |
| 4.1 用户属性隐私保护的问题概述 | 第38-39页 |
| 4.2 属性差异化隐私保护算法的基本原理 | 第39-43页 |
| 4.2.1 L-多样性匿名算法 | 第39-41页 |
| 4.2.2 属性差异化匿名算法的基本原理 | 第41-43页 |
| 4.3 属性差异化匿名算法的基本流程及分析 | 第43-44页 |
| 4.4 实验分析 | 第44-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 节点差异化DKDLD-U匿名算法 | 第48-60页 |
| 5.1 差异化隐私保护的问题概述 | 第48-50页 |
| 5.2 关键节点分析 | 第50-51页 |
| 5.3 节点差异化匿名算法 | 第51-56页 |
| 5.3.1 算法基本思想 | 第52-54页 |
| 5.3.2 算法实现过程 | 第54-56页 |
| 5.4 实验及分析 | 第56-59页 |
| 5.4.1 实验环境及数据 | 第56页 |
| 5.4.2 实验方案 | 第56-57页 |
| 5.4.3 实验结果及分析 | 第57-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 未来展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间发表的论文 | 第67-68页 |
| 致谢 | 第68页 |
