多数据源场景中的隐私保护数据发布及效用验证
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 问题背景和研究意义 | 第10-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.3 本文工作 | 第14-16页 |
| 1.4 本文组织结构 | 第16-18页 |
| 第二章 相关知识及问题定义 | 第18-28页 |
| 2.1 知识背景 | 第18-21页 |
| 2.1.1 m-攻击者问题 | 第18-20页 |
| 2.1.2 差分隐私 | 第20-21页 |
| 2.2 问题定义 | 第21-25页 |
| 2.2.1 m-k-匿名性 | 第21-23页 |
| 2.2.2 效用定义 | 第23-25页 |
| 2.3 本章小结 | 第25-28页 |
| 第三章 防内部攻击者的隐私保护数据发布 | 第28-36页 |
| 3.1 两阶段方案 | 第28-32页 |
| 3.1.1 半诚实模型 | 第28-29页 |
| 3.1.2 阶段一,非敏感数据匿名化 | 第29-30页 |
| 3.1.3 阶段二,敏感数据搜集 | 第30-31页 |
| 3.1.4 两阶段方案的分析 | 第31-32页 |
| 3.2 应对恶意模型的扩展 | 第32-33页 |
| 3.2.1 恶意模型 | 第32页 |
| 3.2.2 基于抽样的扩展 | 第32-33页 |
| 3.3 本章小结 | 第33-36页 |
| 第四章 隐私保护数据发布的效用验证 | 第36-46页 |
| 4.1 基础知识 | 第36-37页 |
| 4.1.1 基于子群确定问题的密码系统 | 第36-37页 |
| 4.1.2 攻击模型 | 第37页 |
| 4.2 集合型数据的效用计算 | 第37-42页 |
| 4.2.1 概览 | 第37-38页 |
| 4.2.2 对ET_o的增量验证模型 | 第38-40页 |
| 4.2.3 基于ET_o和T_r计算U(T_r) | 第40-42页 |
| 4.2.4 实用考虑 | 第42页 |
| 4.3 关系型数据的效用计算 | 第42-44页 |
| 4.3.1 计算U(T_r) | 第43页 |
| 4.3.2 计算UG(T_r) | 第43-44页 |
| 4.4 本章小结 | 第44-46页 |
| 第五章 效率评估 | 第46-52页 |
| 5.1 m-k-匿名化 | 第46-48页 |
| 5.1.1 实验设置 | 第46页 |
| 5.1.2 实验结果 | 第46-48页 |
| 5.2 效用计算 | 第48-49页 |
| 5.2.1 集合型数据 | 第48页 |
| 5.2.2 关系型数据 | 第48-49页 |
| 5.3 本章小结 | 第49-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 致谢 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 附录 攻读硕士学位期间发表论文及申请专利情况 | 第62-63页 |
