| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 第二章 敏感移动性知识网络 | 第15-25页 |
| 2.1 移动性知识 | 第15-17页 |
| 2.1.1 简单移动性知识 | 第15-17页 |
| 2.1.2 复杂移动性知识 | 第17页 |
| 2.2 复杂网络 | 第17-22页 |
| 2.2.1 统计特性 | 第19-21页 |
| 2.2.2 网络模型 | 第21-22页 |
| 2.3 敏感移动性加权知识网络 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 敏感移动性知识网络的推理攻击 | 第25-36页 |
| 3.1 移动性知识网络攻击模型 | 第25-28页 |
| 3.2 加权网络推理攻击场景 | 第28-34页 |
| 3.2.1 起始节点推理攻击 | 第30-31页 |
| 3.2.2 终止节点推理攻击 | 第31-33页 |
| 3.2.3 过渡节点推理攻击 | 第33-34页 |
| 3.3 本章小结 | 第34-36页 |
| 第四章 基于Spark的感知位置隐私推理攻击的净化方法 | 第36-60页 |
| 4.1 Spark大数据平台 | 第36-41页 |
| 4.1.1 Spark简介 | 第36页 |
| 4.1.2 Spark生态圈 | 第36-38页 |
| 4.1.3 Spark运行模型 | 第38-41页 |
| 4.2 净化模型设计 | 第41-43页 |
| 4.3 基于Spark的净化方法实现 | 第43-59页 |
| 4.3.1 构建加权网络 | 第44-46页 |
| 4.3.2 网络类型判定 | 第46-49页 |
| 4.3.3 中枢节点识别 | 第49-51页 |
| 4.3.4 敏感数据净化 | 第51-53页 |
| 4.3.5 可用性与安全性评估 | 第53-56页 |
| 4.3.6 实例分析 | 第56-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 实验结果与分析 | 第60-76页 |
| 5.1 实验目的 | 第60页 |
| 5.2 实验环境 | 第60页 |
| 5.3 数据准备 | 第60-64页 |
| 5.3.1 原始轨迹数据 | 第60-61页 |
| 5.3.2 序列模式数据 | 第61-62页 |
| 5.3.3 敏感节点数据 | 第62页 |
| 5.3.4 构建网络数据 | 第62-64页 |
| 5.4 结果与分析 | 第64-75页 |
| 5.4.1 关键性比例对网络特征参数的影响 | 第64-66页 |
| 5.4.2 可用性和安全性随关键性比例变化 | 第66-68页 |
| 5.4.3 可用性和安全性随敏感性比例变化 | 第68-70页 |
| 5.4.4 可用性和安全性随网络特征变化 | 第70-72页 |
| 5.4.5 与随机删除净化方法的对比 | 第72-75页 |
| 5.5 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 总结 | 第76-77页 |
| 6.2 展望 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第81-82页 |
| 附录2 攻读硕士学位期间申请的专利 | 第82-83页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第83-84页 |
| 致谢 | 第84页 |