基于差分隐私的决策树发布技术研究与应用
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 基于差分隐私决策树发布技术的研究现状 | 第12-13页 |
| 1.3 研究的主要内容 | 第13-14页 |
| 1.4 论文的结构安排 | 第14-16页 |
| 2 相关概念介绍 | 第16-23页 |
| 2.1 基于差分隐私保护的数据发布框架 | 第16-17页 |
| 2.2 隐私保护数据发布相关概念 | 第17-19页 |
| 2.3 差分隐私的基本理论 | 第19-21页 |
| 2.3.1 差分隐私定义 | 第19-20页 |
| 2.3.2 差分隐私机制 | 第20-21页 |
| 2.3.3 差分隐私的性质 | 第21页 |
| 2.4 决策树模型及相关技术研究 | 第21-22页 |
| 2.4.1 决策树表示法 | 第21页 |
| 2.4.2 学习算法 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 隐私数据发布过程设计 | 第23-43页 |
| 3.1 问题描述 | 第23-25页 |
| 3.2 相关决策树发布算法 | 第25-28页 |
| 3.3 基于差分隐私的决策树发布技术布 | 第28-42页 |
| 3.3.1 基于差分隐私的决策树发布过程描述 | 第28-29页 |
| 3.3.2 泛化数据集 | 第29-30页 |
| 3.3.3 细分方案设计 | 第30-34页 |
| 3.3.4 自适应隐私预算分配 | 第34页 |
| 3.3.5 决策树数据扰动机制 | 第34-35页 |
| 3.3.6 等差加噪与一致性约束 | 第35-39页 |
| 3.3.7 算法实现 | 第39-42页 |
| 3.4 本章小结 | 第42-43页 |
| 4 实验对比与分析 | 第43-52页 |
| 4.1 实验环境与数据集概述 | 第43-44页 |
| 4.2 评价指标 | 第44-46页 |
| 4.2.1 算法复杂度 | 第44-45页 |
| 4.2.2 平均误差 | 第45页 |
| 4.2.3 分类准确率 | 第45-46页 |
| 4.3 实验对比 | 第46-51页 |
| 4.3.1 DT-DP算法实验分析 | 第46-48页 |
| 4.3.2 对比实验分析 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 5 基于差分隐私的决策树发布算法应用 | 第52-58页 |
| 5.1 商品交易数据发布应用 | 第52-57页 |
| 5.1.1 问题描述 | 第52-53页 |
| 5.1.2 数据准备 | 第53页 |
| 5.1.3 数据发布存在的问题 | 第53-54页 |
| 5.1.4 应用分析DT-DP算法 | 第54-57页 |
| 5.2 本章小结 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| 6.1 全文总结 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读研究生期间的研究成果目录 | 第64-66页 |
| 致谢 | 第66页 |
