实现个性化隐私保护的微聚集算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 引言 | 第11-19页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文结构 | 第16-19页 |
| 第2章 隐私保护及相关理论知识 | 第19-29页 |
| 2.1 隐私保护概述 | 第19页 |
| 2.2 隐私保护技术 | 第19-22页 |
| 2.3 k-匿名隐私保护模型 | 第22-27页 |
| 2.3.1 泛化和抑制算法 | 第23-24页 |
| 2.3.2 微聚集算法 | 第24-26页 |
| 2.3.3 评估标准 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 α多样性k匿名模型 | 第29-37页 |
| 3.1 常见的攻击模型 | 第29-30页 |
| 3.2 改进的k-匿名模型 | 第30-33页 |
| 3.2.1 1-多样性模型 | 第30-32页 |
| 3.2.2 (α,k)-匿名模型 | 第32-33页 |
| 3.3 α多样性k匿名模型 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 改进的微聚集算法及框架 | 第37-49页 |
| 4.1 微聚集算法概述 | 第37-38页 |
| 4.2 微聚集算法的度量及评估 | 第38-41页 |
| 4.2.1 距离度量 | 第38-40页 |
| 4.2.2 微聚集算法评估 | 第40-41页 |
| 4.3 微聚集算法分类 | 第41-43页 |
| 4.4 改进的MDAV算法及框架 | 第43-46页 |
| 4.4.1 框架大纲 | 第44页 |
| 4.4.2 最大k-划分 | 第44-45页 |
| 4.4.3 扩展k-划分 | 第45-46页 |
| 4.4.4 聚类及数据发布 | 第46页 |
| 4.5 本章小结 | 第46-49页 |
| 第5章 实验与结果分析 | 第49-57页 |
| 5.1 实验数据集 | 第49-51页 |
| 5.1.1 数据获取 | 第49页 |
| 5.1.2 数据预处理 | 第49-51页 |
| 5.2 实验环境 | 第51页 |
| 5.3 实验结果及分析 | 第51-55页 |
| 5.3.1 数据有效性 | 第51-52页 |
| 5.3.2 私泄露风险 | 第52-54页 |
| 5.3.3 时间复杂性 | 第54-55页 |
| 5.4 实验小结 | 第55-57页 |
| 第6章 工作总结和展望 | 第57-59页 |
| 6.1 工作总结 | 第57-58页 |
| 6.2 工作展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 在读期间发表的学术论文与取得的研究成果 | 第65页 |
