| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 研究内容和主要工作 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 2 隐私保护技术概述 | 第18-32页 |
| 2.1 隐私保护分类 | 第18-21页 |
| 2.2 数据发布隐私保护模型 | 第21-28页 |
| 2.2.1 k匿名模型 | 第22-23页 |
| 2.2.2 常见的攻击方法及扩展的k匿名模型 | 第23-28页 |
| 2.3 隐私保护方法 | 第28-31页 |
| 2.3.1 泛化和抑制 | 第28-29页 |
| 2.3.2 分解和置换 | 第29页 |
| 2.3.3 扰动 | 第29-30页 |
| 2.3.4 微聚集 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 一种新的基于权重和敏感度的变长微聚集算法WSV-MDAV | 第32-52页 |
| 3.1 微聚集算法概述 | 第32-34页 |
| 3.1.1 微聚集算法基本概念 | 第32-33页 |
| 3.1.2 微聚集算法分类 | 第33-34页 |
| 3.2 传统V-MDAV算法与存的在的问题 | 第34-37页 |
| 3.2.1 生成分组 | 第35页 |
| 3.2.2 扩展分组 | 第35-36页 |
| 3.2.3 填加剩余记录 | 第36页 |
| 3.2.4 V-MDAV算法存在的问题 | 第36-37页 |
| 3.3 基于权重的个性化距离度量方法W-PDM | 第37-47页 |
| 3.3.1 数据属性的分类 | 第37-38页 |
| 3.3.2 传统数据距离度量 | 第38-42页 |
| 3.3.3 基于权重的个性化距离度量方法W-PDM | 第42-47页 |
| 3.4 敏感属性值的敏感度参数S的计算 | 第47-51页 |
| 3.4.1 传统的(α,k)匿名模型 | 第47-48页 |
| 3.4.2 敏感度参数S的计算 | 第48-51页 |
| 3.5 本章小结 | 第51-52页 |
| 4 一种新的差分隐私可穿戴数据发布模型 | 第52-66页 |
| 4.1 差分隐私 | 第52-57页 |
| 4.1.1 差分隐私概述 | 第52-54页 |
| 4.1.2 差分隐私基本概念 | 第54-55页 |
| 4.1.3 差分隐私性质 | 第55-56页 |
| 4.1.4 差分隐私实现机制 | 第56-57页 |
| 4.2 差分隐私数据发布模型 | 第57-60页 |
| 4.2.1 微聚集过程中的差分隐私 | 第57-58页 |
| 4.2.2 差分隐私可穿戴数据发布隐私保护模型 | 第58-60页 |
| 4.3 仿真验证 | 第60-65页 |
| 4.3.1 常用的仿真参数 | 第60-61页 |
| 4.3.2 仿真结果与分析 | 第61-65页 |
| 4.4 本章小结 | 第65-66页 |
| 5 总结与展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第72-74页 |
| 学位论文数据集 | 第74页 |