| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 论文选题背景及意义 | 第9-12页 |
| 1.1.1 选题背景 | 第9-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 研究现状 | 第12-16页 |
| 1.2.1 隐私保护现状 | 第12-14页 |
| 1.2.2 隐私保护聚类现状 | 第14-16页 |
| 1.3 研究内容及组织结构 | 第16-19页 |
| 1.3.1 论文的研究内容 | 第16-17页 |
| 1.3.2 论文的组织结构 | 第17-19页 |
| 第2章 基础知识 | 第19-29页 |
| 2.1 隐私保护 | 第19-23页 |
| 2.1.1 差分隐私 | 第19-22页 |
| 2.1.2 误差隐私 | 第22-23页 |
| 2.2 聚类 | 第23-25页 |
| 2.2.1 定义 | 第23-24页 |
| 2.2.2 类型 | 第24页 |
| 2.2.3 应用 | 第24-25页 |
| 2.3 聚类可用性评价函数 | 第25-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 差分隐私模型下k-medoids算法研究 | 第29-41页 |
| 3.1 引言 | 第29页 |
| 3.2 k-medoids聚类算法描述 | 第29-30页 |
| 3.2.1 基本问题描述 | 第29-30页 |
| 3.2.2 算法流程图 | 第30页 |
| 3.3 攻击模型 | 第30-31页 |
| 3.4 拉普拉斯加噪技术 | 第31-33页 |
| 3.4.1 敏感度的计算 | 第31页 |
| 3.4.2 加噪过程 | 第31-33页 |
| 3.5 DPk-medoids聚类算法描述 | 第33-36页 |
| 3.5.1 基本思想 | 第33-34页 |
| 3.5.2 算法描述 | 第34-35页 |
| 3.5.3 算法证明 | 第35-36页 |
| 3.6 实验环境与数据集 | 第36-37页 |
| 3.7 结果与分析 | 第37-39页 |
| 3.7.1 实验结果 | 第37-39页 |
| 3.7.2 结果分析 | 第39页 |
| 3.8 本章小结 | 第39-41页 |
| 第4章 满足误差隐私的EPPk-medoids算法研究 | 第41-51页 |
| 4.1 引言 | 第41页 |
| 4.2 攻击模型 | 第41-42页 |
| 4.3 自助抽样法加噪技术 | 第42-43页 |
| 4.4 EPPk-medoids算法思想 | 第43-45页 |
| 4.4.1 基本思想 | 第43-44页 |
| 4.4.2 算法描述 | 第44-45页 |
| 4.5 实验数据及结果分析 | 第45-49页 |
| 4.5.1 实验环境及数据集 | 第45页 |
| 4.5.2 实验结果及分析 | 第45-49页 |
| 4.6 本章小结 | 第49-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 论文总结 | 第51-52页 |
| 5.2 研究展望 | 第52-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59-61页 |
| 攻读学位期间科研成果 | 第61页 |