基于聚类的隐私保护技术研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景、目的和意义 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.3 主要研究内容及章节安排 | 第16-19页 |
| 第2章 相关技术 | 第19-31页 |
| 2.1 隐私保护技术相关理论 | 第19-23页 |
| 2.1.1 数据泛化 | 第19-20页 |
| 2.1.2 信息损失度量 | 第20-22页 |
| 2.1.3 隐私披露风险 | 第22页 |
| 2.1.4 敏感信息熵 | 第22-23页 |
| 2.2 聚类算法 | 第23-25页 |
| 2.3 布谷鸟算法 | 第25-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 C-kmeans匿名算法 | 第31-53页 |
| 3.1 传统kmeans算法的问题 | 第31-32页 |
| 3.2 C-kmeans匿名算法框架 | 第32-36页 |
| 3.2.1 C-kmeans算法基本思想 | 第32-34页 |
| 3.2.2 数据距离标准 | 第34-36页 |
| 3.3 基于布谷鸟算法的聚类中心初始化方法 | 第36-45页 |
| 3.3.1 聚类中心初始化流程 | 第36-38页 |
| 3.3.2 适应度函数设计 | 第38-44页 |
| 3.3.3 相关参数讨论 | 第44-45页 |
| 3.4 算法分析 | 第45-47页 |
| 3.4.1 正确性分析 | 第45-46页 |
| 3.4.2 复杂性分析 | 第46页 |
| 3.4.3 安全性分析 | 第46-47页 |
| 3.5 实验与结果分析 | 第47-50页 |
| 3.5.1 实验环境 | 第47-48页 |
| 3.5.2 数据质量 | 第48页 |
| 3.5.3 执行速度 | 第48-49页 |
| 3.5.4 伸缩性 | 第49-50页 |
| 3.5.5 敏感属性熵 | 第50页 |
| 3.6 本章小结 | 第50-53页 |
| 第4章 基于敏感属性约束的(k,t)匿名模型 | 第53-63页 |
| 4.1 传统模型存在的问题 | 第53-55页 |
| 4.1.1 k匿名模型存在的问题 | 第53-54页 |
| 4.1.2 t-closeness模型存在的问题 | 第54-55页 |
| 4.2 (k,t)匿名模型 | 第55-57页 |
| 4.2.1 基本概念 | 第55页 |
| 4.2.2 算法设计 | 第55-57页 |
| 4.3 算法分析 | 第57-58页 |
| 4.3.1 正确性分析 | 第57页 |
| 4.3.2 安全性分析 | 第57-58页 |
| 4.4 实验与结果分析 | 第58-60页 |
| 4.4.1 实验环境 | 第58页 |
| 4.4.2 执行速度 | 第58-59页 |
| 4.4.3 数据质量 | 第59-60页 |
| 4.4.4 隐私披露风险 | 第60页 |
| 4.5 本章小结 | 第60-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第71-73页 |
| 致谢 | 第73页 |
