| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题的背景及意义 | 第9-11页 |
| 1.1.1 课题背景 | 第9-10页 |
| 1.1.2 论文目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 差分隐私保护 | 第11-12页 |
| 1.2.2 差分隐私保护算法的优化 | 第12页 |
| 1.2.3 差分隐私保护的应用 | 第12-13页 |
| 1.2.4 基于差分隐私保护的数据发布 | 第13-14页 |
| 1.2.5 差分隐私保护直方图发布 | 第14-15页 |
| 1.3 研究内容以及路线 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第2章 相关技术理论基础 | 第17-29页 |
| 2.1 传统隐私保护 | 第17-20页 |
| 2.2 相关定义表述 | 第20-25页 |
| 2.2.1 背景知识 | 第20-22页 |
| 2.2.2 差分隐私保护 | 第22页 |
| 2.2.3 .全局,局部敏感度 | 第22页 |
| 2.2.4 噪声实现机制 | 第22-25页 |
| 2.2.5 算法性能度量等相关技术 | 第25页 |
| 2.3 基于差分隐私保护的数据发布 | 第25-28页 |
| 2.3.1 交互式数据发布 | 第25-26页 |
| 2.3.2 非交互式数据发布 | 第26页 |
| 2.3.3 差分隐私保护直方图数据发布 | 第26-27页 |
| 2.3.4 两类差分隐私数据发布策略 | 第27-28页 |
| 2.3.5 算法性能及有效性的度量 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于限定梯度差阈值的差分隐私直方图发布算法 | 第29-41页 |
| 3.1 问题提出 | 第29-32页 |
| 3.1.1 算法的依据 | 第30-31页 |
| 3.1.2 梯度差阈值(gradientdropthreshold)的确定 | 第31-32页 |
| 3.1.3 论文中相关名词定义 | 第32页 |
| 3.2 基于限定梯度差阈值的差分隐私直方图发布算法 | 第32-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第4章 实验验证与结果分析 | 第41-55页 |
| 4.1 实验环境 | 第41页 |
| 4.2 数据集的采集和概述 | 第41-43页 |
| 4.3 实验的测试和评估方法 | 第43-44页 |
| 4.4 差分隐私保护数据发布实验 | 第44-53页 |
| 4.4.1 算法重构误差和数据分布实验 | 第44-48页 |
| 4.4.2 降低噪声预算实验 | 第48-49页 |
| 4.4.3 算法对数据失真的保护实验 | 第49-50页 |
| 4.4.4 梯度差阈值的选取对算法性能影响实验 | 第50-53页 |
| 4.5 本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第63-64页 |
| 致谢 | 第64页 |
