社交网络属性图的个性化差分隐私保护算法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 社交网络图数据发布方法存在的问题与不足 | 第14-15页 |
| 1.4 研究内容 | 第15-16页 |
| 1.5 论文的组织 | 第16-18页 |
| 第2章 差分隐私保护研究综述 | 第18-24页 |
| 2.1 差分隐私保护模型 | 第18-20页 |
| 2.2 隐私保护数据发布 | 第20-22页 |
| 2.3 差分隐私图合成技术介绍 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 属性图的个性化差分隐私 | 第24-34页 |
| 3.1 社交网络属性图 | 第24-25页 |
| 3.2 属性图的个性化差分隐私 | 第25-27页 |
| 3.3 PAGA算法 | 第27-31页 |
| 3.3.1 PNA算法 | 第29-31页 |
| 3.3.2 PEA算法 | 第31页 |
| 3.4 隐私性分析 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 差分隐私属性合成图发布 | 第34-48页 |
| 4.1 算法概览 | 第34-35页 |
| 4.2 节点属性集加噪算法 | 第35-37页 |
| 4.3 基于混合克罗内克积图模型的边加噪算法 | 第37-42页 |
| 4.3.1 混合克罗内克积图模型 | 第38-40页 |
| 4.3.2 MKMS算法 | 第40-42页 |
| 4.4 基于属性边相关性的边修正算法 | 第42-45页 |
| 4.5 隐私性分析 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第5章 实验与结果分析 | 第48-54页 |
| 5.1 实验数据集及环境介绍 | 第48-49页 |
| 5.2 实验评价标准和实验结果分析 | 第49-53页 |
| 5.3 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62页 |
