| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-20页 |
| ·研究背景及意义 | 第10-15页 |
| ·隐私定义及分类 | 第12页 |
| ·数据集发布中的隐私保护过程 | 第12-13页 |
| ·隐私保护研究方向 | 第13-15页 |
| ·动态数据集重发布中的隐私保护研究现状 | 第15-18页 |
| ·主要研究工作 | 第18页 |
| ·本文结构 | 第18-20页 |
| 第2章 数据隐私保护的相关技术 | 第20-29页 |
| ·数据匿名化原则 | 第21-24页 |
| ·数据匿名化算法 | 第24-26页 |
| ·泛化和隐匿结合的匿名化算法 | 第24-25页 |
| ·基于聚类的匿名化算法 | 第25-26页 |
| ·其它匿名化算法 | 第26页 |
| ·数据隐私保护性能综合评估 | 第26-28页 |
| ·数据隐私度量 | 第26-27页 |
| ·数据可用性度量 | 第27-28页 |
| ·其它性能指标 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第3章 动态数据集重发布中的隐私保护模型 | 第29-52页 |
| ·问题分析 | 第29-35页 |
| ·L-Diversity 模型的失效情况 | 第30-31页 |
| ·M-Invariance 模型的缺陷 | 第31页 |
| ·HD-Composition 模型的不足 | 第31页 |
| ·M-Distinct 模型的不足与缺陷 | 第31-35页 |
| ·研究目标 | 第35页 |
| ·相关知识 | 第35-39页 |
| ·基本定义 | 第35-38页 |
| ·统一符号表示与假设 | 第38-39页 |
| ·基于(m, max)-Distinct 的隐私保护模型 | 第39-50页 |
| ·问题解决方案 | 第39-42页 |
| ·(m, max)-Distinct 匿名化原则 | 第42-43页 |
| ·(m, max)-Distinct 匿名化算法 | 第43-50页 |
| ·数据集初始化处理 | 第45页 |
| ·桶的创建 | 第45-47页 |
| ·记录分配 | 第47-48页 |
| ·桶的平衡 | 第48-50页 |
| ·QI-Group 生成 | 第50页 |
| ·本章小结 | 第50-52页 |
| 第4章 实验仿真与结果分析 | 第52-57页 |
| ·实验环境 | 第52页 |
| ·实验数据与设置 | 第52-53页 |
| ·数据描述 | 第52页 |
| ·数据设置 | 第52-53页 |
| ·仿真实验与结果分析 | 第53-56页 |
| ·揭露隐私个数的对比分析 | 第53-54页 |
| ·伪记录数测试与信息损失分析 | 第54-56页 |
| ·算法其它性能分析 | 第56页 |
| ·本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第63-64页 |
| 致谢 | 第64页 |