| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 研究内容和论文结构 | 第13-16页 |
| 2 面向交易型数据集隐私保护的熵L-多元性切片方法 | 第16-35页 |
| 2.1 问题描述 | 第16-22页 |
| 2.1.1 符号说明 | 第16-17页 |
| 2.1.2 隐私威胁 | 第17-18页 |
| 2.1.3 熵L-多元性切片思想 | 第18-22页 |
| 2.2 算法设计 | 第22-26页 |
| 2.2.1 熵L-多元性切片方法中的垂直切割算法 | 第22-24页 |
| 2.2.2 熵L-多元性切片方法中的水平切割算法 | 第24-26页 |
| 2.2.3 熵L-多元性切片方法中的随机交换算法 | 第26页 |
| 2.3 实验研究 | 第26-35页 |
| 2.3.1 实验数据 | 第27-28页 |
| 2.3.2 关联规则保护 | 第28-32页 |
| 2.3.3 成员隐私保护 | 第32-33页 |
| 2.3.4 小结 | 第33-35页 |
| 3 面向交易型数据集隐私保护的t-接近度切片方法 | 第35-49页 |
| 3.1 问题描述 | 第35-39页 |
| 3.1.1 符号说明 | 第35页 |
| 3.1.2 t-接近度切片思想 | 第35-39页 |
| 3.2 算法设计 | 第39-42页 |
| 3.2.1 t-接近度切片方法中的垂直切割算法 | 第39-40页 |
| 3.2.2 t-接近度切片方法中的水平切割算法 | 第40-41页 |
| 3.2.3 t-接近度切片方法中的随机交换算法 | 第41-42页 |
| 3.3 实验研究 | 第42-49页 |
| 3.3.1 关联规则保护 | 第43-46页 |
| 3.3.2 成员隐私保护 | 第46-48页 |
| 3.3.3 小结 | 第48-49页 |
| 4 隐私保护和数据效用的权衡 | 第49-61页 |
| 4.1 效用度量方法 | 第49-50页 |
| 4.2 熵L-多元性切片方法下的隐私保护和数据效用的权衡 | 第50-55页 |
| 4.2.1 效用增益值度量 | 第50-53页 |
| 4.2.2 数值分析 | 第53-55页 |
| 4.3 t-接近度切片方法下的隐私保护和数据效用的权衡 | 第55-59页 |
| 4.3.1 效用增益值度量 | 第55-57页 |
| 4.3.2 数值分析 | 第57-59页 |
| 4.4 小结 | 第59-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间发表学术论文情况 | 第66-67页 |
| 致谢 | 第67-68页 |
