| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 相关研究 | 第9-13页 |
| 1.2.1 匿名规则 | 第9-11页 |
| 1.2.2 匿名实现技术 | 第11-12页 |
| 1.2.3 匿名数据质量的评判标准 | 第12-13页 |
| 1.2.4 粒计算在数据发布中的隐私保护里应用 | 第13页 |
| 1.3 本文的研究内容与论文组织 | 第13-15页 |
| 1.3.1 本文研究的主要内容 | 第13-14页 |
| 1.3.2 论文的组织结构 | 第14-15页 |
| 第二章 隐私保护规则设计 | 第15-28页 |
| 2.1 相关概念 | 第15-16页 |
| 2.2 多约束规则 | 第16-17页 |
| 2.3 多约束匿名参数的智能化选择 | 第17-26页 |
| 2.3.1 约束子集的划分 | 第17-19页 |
| 2.3.2 匿名化参数K值的选择 | 第19-26页 |
| 2.4 多约束条件的匿名化方法 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 匿名化算法研究 | 第28-40页 |
| 3.1 微聚集算法相关概念及技术 | 第29-31页 |
| 3.1.1 相关概念 | 第29页 |
| 3.1.2 微聚集算法分类 | 第29-31页 |
| 3.2 连续型数据集的匿名化方法 | 第31-33页 |
| 3.2.1 概述 | 第31页 |
| 3.2.2 一种基于DENCLUE的微聚集方法 | 第31-33页 |
| 3.3 分类型数据集的匿名化方法 | 第33-38页 |
| 3.3.1 数据泛化介绍 | 第33-34页 |
| 3.3.2 数据泛化策略 | 第34-35页 |
| 3.3.3 分类型数据距离度量 | 第35-37页 |
| 3.3.4 分类型数据泛化算法 | 第37-38页 |
| 3.4 混合型数据匿名化方法 | 第38-39页 |
| 3.4.1 概述 | 第38页 |
| 3.4.2 混合型数据度量方法 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 数据可用性评估模型研究 | 第40-43页 |
| 4.1 分类型数据可用性评估模型 | 第40-42页 |
| 4.1.1 粗糙熵 | 第40页 |
| 4.1.2 数据发布中的粗糙熵定义及分类型数据可用性度量模型 | 第40-42页 |
| 4.2 连续性变量数据可用性评估模型 | 第42页 |
| 4.3 本章小结 | 第42-43页 |
| 第五章 实验与结果分析 | 第43-53页 |
| 5.1 实验环境 | 第43页 |
| 5.2 实验数据集介绍 | 第43-44页 |
| 5.3 具体操作流程 | 第44-45页 |
| 5.4 实验中的相关参数 | 第45页 |
| 5.4.1 风险评价参数 | 第45页 |
| 5.4.2 数据可用性评估模型 | 第45页 |
| 5.4.3 K值 | 第45页 |
| 5.5 实验比较结果 | 第45-52页 |
| 5.5.1 分类型数据集实验 | 第45-47页 |
| 5.5.2 连续型数据集实验 | 第47-50页 |
| 5.5.3 混合型数据集实验 | 第50-52页 |
| 5.6 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-54页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |