加权社交网络中权重序列与最短路径隐私保护算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 无权社会网络隐私保护 | 第11-13页 |
| 1.2.2 加权社会网络隐私保护 | 第13页 |
| 1.3 本文主要工作及组织结构 | 第13-16页 |
| 1.3.1 本文主要工作 | 第13-14页 |
| 1.3.2 本文组织结构 | 第14-16页 |
| 第二章 相关技术概述 | 第16-27页 |
| 2.1 相关概念 | 第16-18页 |
| 2.2 社会网络的隐私攻击类型 | 第18-21页 |
| 2.2.1 主动攻击 | 第18页 |
| 2.2.2 被动攻击 | 第18页 |
| 2.2.3 背景知识攻击 | 第18-20页 |
| 2.2.4 再识别攻击 | 第20-21页 |
| 2.2.5 推理攻击 | 第21页 |
| 2.3 社会网络的隐私保护技术 | 第21-24页 |
| 2.3.1 简单匿名 | 第21-22页 |
| 2.3.2 泛化匿名 | 第22-23页 |
| 2.3.3 聚类匿名 | 第23页 |
| 2.3.4 数据扰乱匿名 | 第23-24页 |
| 2.4 社会网络的隐私保护模型 | 第24-26页 |
| 2.4.1 k-匿名隐私保护模型 | 第24-25页 |
| 2.4.2 l-多样性隐私保护模型 | 第25-26页 |
| 2.4.3 个性化隐私保护模型 | 第26页 |
| 2.4.4 差分隐私保护模型 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于节点分割的权重序列隐私保护算法研究 | 第27-41页 |
| 3.1 问题的提出 | 第27-28页 |
| 3.2 相关工作 | 第28页 |
| 3.3 社会网络模型 | 第28-29页 |
| 3.3.1 发布场景 | 第28-29页 |
| 3.3.2 图模型 | 第29页 |
| 3.3.3 相关概念 | 第29页 |
| 3.4 隐私保护方法 | 第29-35页 |
| 3.4.1 社会网络聚类 | 第31页 |
| 3.4.2 向量集构建 | 第31-32页 |
| 3.4.3 向量权重分配 | 第32页 |
| 3.4.4 权重序列匿名 | 第32-34页 |
| 3.4.5 候选向量集的构建 | 第34页 |
| 3.4.6 信息损失度量 | 第34-35页 |
| 3.5 隐私保护算法 | 第35-36页 |
| 3.6 实验分析 | 第36-40页 |
| 3.6.1 实验数据和环境 | 第36页 |
| 3.6.2 实验结果 | 第36-40页 |
| 3.7 本章小结 | 第40-41页 |
| 第四章 基于非固化k-最短路径的隐私保护算法研究 | 第41-55页 |
| 4.1 问题的提出 | 第41-42页 |
| 4.2 相关工作 | 第42页 |
| 4.3 隐私方法 | 第42-46页 |
| 4.3.1 基本概念 | 第43-44页 |
| 4.3.2 隐私保护方法 | 第44-46页 |
| 4.4 算法实现 | 第46-49页 |
| 4.4.1 非固化k-最短路径匿名算法 | 第47页 |
| 4.4.2 NE边的算法 | 第47-48页 |
| 4.4.3 PE边的算法 | 第48-49页 |
| 4.4.4 ME边的算法 | 第49页 |
| 4.5 算法复杂度 | 第49-50页 |
| 4.6 信息损失度量 | 第50页 |
| 4.7 实验分析 | 第50-54页 |
| 4.7.1 实验数据 | 第50页 |
| 4.7.2 实验结果 | 第50-54页 |
| 4.8 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 工作总结 | 第55-56页 |
| 5.2 研究展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间的研究成果 | 第61-62页 |
