| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-15页 |
| ·研究背景与意义 | 第10-11页 |
| ·数据发布中隐私保护研究现状 | 第11-12页 |
| ·本文主要工作及组织结构 | 第12-15页 |
| ·本文的主要工作 | 第12-13页 |
| ·本文的组织结构 | 第13-15页 |
| 2 隐私保护的匿名化方法 | 第15-28页 |
| ·匿名模型 | 第15-20页 |
| ·k-匿名模型 | 第15-16页 |
| ·l-多样性模型 | 第16-17页 |
| ·(α,k)-匿名模型 | 第17页 |
| ·t-接近模型 | 第17-18页 |
| ·(k,e)-匿名模型和(ε,m)-匿名模型 | 第18页 |
| ·个性化隐私匿名模型 | 第18-19页 |
| ·(k,l)-匿名模型 | 第19-20页 |
| ·匿名模型的实现技术 | 第20-25页 |
| ·实现匿名化的方法 | 第20-23页 |
| ·实现匿名化的算法 | 第23-25页 |
| ·匿名化数据的可用性度量 | 第25-27页 |
| ·基于等价类大小的可用性度量 | 第26页 |
| ·基于泛化高度或区间大小的可用性度量 | 第26页 |
| ·基于属性分布的可用性度量 | 第26-27页 |
| ·考虑具体应用的可用性度量 | 第27页 |
| ·本章小结 | 第27-28页 |
| 3 高效的k-匿名化算法—TopDown-KACA | 第28-38页 |
| ·引言 | 第28页 |
| ·相关概念 | 第28-32页 |
| ·k-匿名模型 | 第28-29页 |
| ·泛化 | 第29-31页 |
| ·距离度量 | 第31-32页 |
| ·TopDown-KACA算法 | 第32-33页 |
| ·实验结果及分析 | 第33-37页 |
| ·实验环境与参数配置 | 第33-34页 |
| ·运行时间分析 | 第34-35页 |
| ·信息损失分析 | 第35-36页 |
| ·可扩展性分析 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 4 面向敏感值的个性化隐私保护模型 | 第38-50页 |
| ·引言 | 第38-39页 |
| ·相关概念 | 第39-40页 |
| ·简单(α,k)-匿名模型 | 第39-40页 |
| ·一般(α,k)-匿名模型 | 第40页 |
| ·完全(α,k)-匿名模型 | 第40-43页 |
| ·完全(α,k)-匿名定义 | 第41页 |
| ·参数α值的设置原则 | 第41-42页 |
| ·实现(α,k)-匿名模型的聚类算法 | 第42-43页 |
| ·实验结果及分析 | 第43-49页 |
| ·四种匿名模型间的比较 | 第43-46页 |
| ·域泛化与值泛化算法的比较 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 5 面向数值型敏感属性的分级多样性模型 | 第50-64页 |
| ·引言 | 第50-51页 |
| ·面向数值型敏感属性的分级l-多样性模型 | 第51-54页 |
| ·问题分析 | 第51-52页 |
| ·敏感值相异度的度量 | 第52-53页 |
| ·分级l-多样性模型定义 | 第53-54页 |
| ·分级l-多样性模型的实现 | 第54-60页 |
| ·域泛化 | 第54-56页 |
| ·分级l-多样性的性质 | 第56-59页 |
| ·基于域泛化的l-Incognito算法 | 第59-60页 |
| ·分级l-多样性的评估 | 第60页 |
| ·实验结果及分析 | 第60-63页 |
| ·实验环境及参数配置 | 第60-61页 |
| ·信息损失比较 | 第61-62页 |
| ·执行时间比较 | 第62-63页 |
| ·多样度比较 | 第63页 |
| ·本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| ·工作总结 | 第64页 |
| ·展望 | 第64-66页 |
| 参考文献 | 第66-73页 |
| 攻读学位期间取得的研究成果 | 第73-75页 |
| 致谢 | 第75-77页 |