基于增加节点的社会网络隐私保护模型研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景以及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 论文主要研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 社会网络隐私保护相关研究综述 | 第16-31页 |
| 2.1 社会网络隐私保护流程 | 第16-27页 |
| 2.1.1 社会网络中的隐私信息 | 第17-19页 |
| 2.1.2 发布的社会网络数据类型 | 第19-21页 |
| 2.1.3 社会网络中的背景知识 | 第21-22页 |
| 2.1.4 社会网络中的隐私攻击 | 第22-25页 |
| 2.1.5 社会网络中的隐私泄露 | 第25-26页 |
| 2.1.6 社会网络发布用途 | 第26-27页 |
| 2.2 社会网络匿名模型 | 第27-30页 |
| 2.2.1 相关匿名模型 | 第27-29页 |
| 2.2.2 其他匿名模型 | 第29-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 基于增加边和节点解决标识泄露问题 | 第31-44页 |
| 3.1 问题定义 | 第31-33页 |
| 3.2 基于增加边和节点的K-度匿名模型 | 第33-38页 |
| 3.2.1 贪婪划分方法 | 第33-34页 |
| 3.2.2 图修改方法 | 第34-37页 |
| 3.2.3 KDVEM算法 | 第37-38页 |
| 3.3 实验分析 | 第38-43页 |
| 3.3.1 数据集 | 第38-39页 |
| 3.3.2 结果分析 | 第39-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于增加节点解决属性泄露问题 | 第44-58页 |
| 4.1 问题定义 | 第44-46页 |
| 4.2 基于增加节点的KDLD匿名模型 | 第46-50页 |
| 4.2.1 贪婪检验方法 | 第47-48页 |
| 4.2.2 增加节点方法 | 第48-49页 |
| 4.2.3 KLAVA算法 | 第49-50页 |
| 4.3 实验分析 | 第50-57页 |
| 4.3.1 数据集 | 第51-53页 |
| 4.3.2 结果分析 | 第53-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 研究工作总结 | 第58-59页 |
| 5.2 下一步展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 作者简介 | 第67页 |
