| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12页 |
| 1.5 本章小结 | 第12-13页 |
| 第2章 相关理论与技术 | 第13-27页 |
| 2.1 位置隐私保护技术概述 | 第13-16页 |
| 2.1.1 k-匿名位置隐私保护技术 | 第13-15页 |
| 2.1.2 模糊化位置隐私保护技术 | 第15-16页 |
| 2.1.3 其它位置隐私保护技术 | 第16页 |
| 2.2 马尔可夫链模型简介 | 第16-18页 |
| 2.3 隐马尔可夫模型 | 第18-22页 |
| 2.3.1 隐马尔科夫模型简介 | 第18-20页 |
| 2.3.2 前向后向算法 | 第20-22页 |
| 2.4 基于概率推测的攻击模型 | 第22-24页 |
| 2.5 粒子群优化算法 | 第24-25页 |
| 2.6 本章小结 | 第25-27页 |
| 第3章 基于k-匿名和PSO的用户位置隐私保护算法 | 第27-55页 |
| 3.1 位置隐私保护系统拓补结构 | 第27-30页 |
| 3.2 用户移动模型 | 第30-33页 |
| 3.2.1 用户位置数据分析 | 第30-32页 |
| 3.2.2 用户移动模型 | 第32-33页 |
| 3.3 位置隐私保护MaskK算法 | 第33-38页 |
| 3.3.1 用户位置发布的HMM模型 | 第33-35页 |
| 3.3.2 基于k-匿名的位置隐私保护MaskK算法 | 第35-38页 |
| 3.4 基于PSO算法的发布向量获取 | 第38-52页 |
| 3.4.1 位置隐私保护算法中PSO算法分析 | 第38-41页 |
| 3.4.2 粒子降维 | 第41-43页 |
| 3.4.3 粒子适应度 | 第43-49页 |
| 3.4.4 PSO算法并行化 | 第49-52页 |
| 3.5 本章小结 | 第52-55页 |
| 第4章 实验仿真 | 第55-71页 |
| 4.1 实验环境及数据集 | 第55-56页 |
| 4.2 数据预处理 | 第56-59页 |
| 4.3 基于HMM的位置隐私保护模型 | 第59-63页 |
| 4.3.1 用户Markov模型 | 第59-60页 |
| 4.3.2 位置隐私保护HMM模型 | 第60-63页 |
| 4.4 基于k-匿名和PSO的位置隐私保护算法仿真实验分析 | 第63-68页 |
| 4.4.1 隐私保护效果分析 | 第63-65页 |
| 4.4.2 服务质量分析 | 第65-66页 |
| 4.4.3 抑制发布概率向量计算的实验分析 | 第66-68页 |
| 4.5 本章小结 | 第68-71页 |
| 第5章 结论与展望 | 第71-73页 |
| 5.1 工作总结 | 第71-72页 |
| 5.2 展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 攻读学位期间发表的论文及参与的科研项目 | 第79页 |
