隐私保护模型研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-20页 |
| ·研究背景及意义 | 第9-13页 |
| ·隐私信息的发展 | 第9-10页 |
| ·隐私保护的重要性 | 第10-13页 |
| ·研究现状 | 第13-17页 |
| ·匿名策略 | 第15-16页 |
| ·匿名方法 | 第16-17页 |
| ·研究目的及内容 | 第17-18页 |
| ·论文内容安排 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 2 隐私保护模型基础 | 第20-29页 |
| ·基本概念 | 第20-22页 |
| ·K-ANONYMITY 隐私保护模型 | 第22-25页 |
| ·k-Anonymity 的定义 | 第22-23页 |
| ·k-Anonymity 的实现 | 第23-24页 |
| ·k-Anonymity 的优缺点 | 第24-25页 |
| ·L-DIVERSITY 隐私保护模型 | 第25-28页 |
| ·l-Diversity 的定义 | 第25-26页 |
| ·l-Diversity 的实现 | 第26页 |
| ·l-Diversity 的优缺点 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 3 (A,D)-DIVERSITY 隐私保护模型 | 第29-43页 |
| ·前提条件 | 第29页 |
| ·分析 | 第29-32页 |
| ·背景知识攻击 | 第29-30页 |
| ·背景知识攻击分析 | 第30-32页 |
| ·解决方案 | 第32-35页 |
| ·实例 | 第32页 |
| ·基本思路 | 第32-34页 |
| ·(a,d)-Diversity 模型 | 第34-35页 |
| ·实现算法 | 第35-42页 |
| ·数据表预处理 | 第36-37页 |
| ·生成a-相似分块 | 第37-41页 |
| ·产生(a,d)-Diversity 数据表 | 第41页 |
| ·算法描述 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 4 实验结果及分析 | 第43-57页 |
| ·实验环境 | 第43页 |
| ·时间分析 | 第43-48页 |
| ·信息损失分析 | 第48-55页 |
| ·可辨别模型 | 第48-49页 |
| ·正常等价组平均大小度量 | 第49-50页 |
| ·信息损失模型 | 第50-55页 |
| ·隐私泄露风险分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 5 总结及展望 | 第57-59页 |
| ·总结 | 第57页 |
| ·研究展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录 | 第63页 |
