企业网站隐私数据保护技术研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究方法与内容 | 第12-13页 |
| 1.3.1 研究方法 | 第12页 |
| 1.3.2 研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第2章 隐私保护相关知识 | 第15-21页 |
| 2.1 隐私保护概述 | 第15-17页 |
| 2.1.1 隐私泄露 | 第15页 |
| 2.1.2 隐私保护方式 | 第15-17页 |
| 2.2 常用隐私保护模型 | 第17-20页 |
| 2.2.1 K-匿名 | 第18-19页 |
| 2.2.2 l-多样性 | 第19页 |
| 2.2.3 K-Q算法 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 具有隐私保护的企业网站框架设计 | 第21-29页 |
| 3.1 企业网站整体框架 | 第21-23页 |
| 3.2 隐私数据的分类与组织 | 第23-25页 |
| 3.2.1 隐私数据分类 | 第23页 |
| 3.2.2 隐私数据目录 | 第23-25页 |
| 3.3 数据发布中的隐私保护 | 第25-26页 |
| 3.4 隐私保护访问控制 | 第26-27页 |
| 3.5 本章小结 | 第27-29页 |
| 第4章 基于多敏感属性的网站隐私数据发布 | 第29-41页 |
| 4.1 多维桶分组技术 | 第29-31页 |
| 4.1.1 多维桶分组技术相关定义 | 第29-30页 |
| 4.1.2 多维桶的构造方法 | 第30-31页 |
| 4.2 基于属性分类的匿名隐私保护模型 | 第31-35页 |
| 4.2.1 基于聚类的敏感属性划分 | 第32-33页 |
| 4.2.2 数据发布中的多维隐私保护模型 | 第33-35页 |
| 4.3 实例分析与仿真实验 | 第35-40页 |
| 4.3.1 实例分析 | 第35-37页 |
| 4.3.2 安全分析 | 第37页 |
| 4.3.3 实验仿真 | 第37-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第5章 基于K-Q的网站信息泄露检测 | 第41-48页 |
| 5.1 信息泄露检测过程 | 第41-42页 |
| 5.2 信息泄露检测算法 | 第42-45页 |
| 5.3 实验设计与结果分析 | 第45-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第6章 总结与展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 攻读学位期间取得的科研成果 | 第54页 |
