摘要 | 第4-5页 |
Abstract | 第5-6页 |
目录 | 第7-10页 |
第1章 绪论 | 第10-16页 |
1.1 研究背景和研究意义 | 第10-12页 |
1.1.1 研究背景 | 第10-11页 |
1.1.2 研究意义 | 第11页 |
1.1.3 研究内容 | 第11-12页 |
1.2 国内外研究现状 | 第12-15页 |
1.3 论文的结构安排 | 第15-16页 |
第2章 隐私保护相关理论技术 | 第16-30页 |
2.1 隐私保护概述 | 第16-18页 |
2.2 匿名模型 | 第18-24页 |
2.2.1 k-anonymity 模型 | 第19-22页 |
2.2.2 l-diversity 匿名模型 | 第22-23页 |
2.2.3 (a,k)-匿名模型 | 第23页 |
2.2.4 t-closeness 匿名模型 | 第23-24页 |
2.2.5 其他匿名模型 | 第24页 |
2.3 匿名化技术 | 第24-27页 |
2.3.1 泛化和隐匿 | 第24-26页 |
2.3.2 聚类和微聚集 | 第26-27页 |
2.3.3 交换 | 第27页 |
2.4 匿名性能评价 | 第27-28页 |
2.5 本章小结 | 第28-30页 |
第3章 基于分解的(l1, l2,…ld)-uniqueness 数据发布方法 | 第30-56页 |
3.1 概述 | 第30-31页 |
3.2 (l1, l2,…ld)-uniqueness 匿名模型 | 第31-44页 |
3.2.1 背景知识攻击 | 第31-34页 |
3.2.2 相似性攻击 | 第34-35页 |
3.2.3 分解的思想 | 第35-39页 |
3.2.4 敏感等级划分 | 第39-40页 |
3.2.5 敏感属性约束规则 | 第40-42页 |
3.2.6 (l1, l2,…,ld)-uniqueness 安全性分析 | 第42-43页 |
3.2.7 (l1, l2,…,ld)-uniqueness 匿名模型的性质 | 第43-44页 |
3.3 匿名模型的建立 | 第44-47页 |
3.3.1 算法基本思想 | 第44-45页 |
3.3.2 敏感性分级 | 第45页 |
3.3.3 数据分组及剩余记录处理 | 第45-46页 |
3.3.4 数据发布 | 第46页 |
3.3.5 算法描述 | 第46-47页 |
3.3.6 算法实例应用 | 第47页 |
3.4 实验设计与分析 | 第47-54页 |
3.4.1 实验数据介绍 | 第47-48页 |
3.4.2 实验环境 | 第48页 |
3.4.3 抵御背景知识攻击和相似性攻击分析 | 第48-51页 |
3.4.4 不同多样性参数对附加信息损失度影响 | 第51-52页 |
3.4.5 不同多样性参数对隐匿率影响 | 第52-53页 |
3.4.6 不同数据量对数据发布质量影响 | 第53-54页 |
3.5 本章小结 | 第54-56页 |
第4章 基于聚类的 l-coverage 数据发布方法 | 第56-74页 |
4.1 引言 | 第56页 |
4.2 l-coverage 匿名模型 | 第56-63页 |
4.2.1 问题的提出 | 第56-58页 |
4.2.2 聚类思想的应用 | 第58-60页 |
4.2.3 关联属性间分布约束 | 第60-62页 |
4.2.4 l-coverage 匿名模型的安全性分析 | 第62-63页 |
4.2.5 l-coverage 匿名模型的性质 | 第63页 |
4.3 l-coverage 匿名模型的建立 | 第63-67页 |
4.3.1 基本思路 | 第64-65页 |
4.3.2 数据表预处理 | 第65页 |
4.3.3 计算相同敏感属性集 | 第65页 |
4.3.4 敏感属性分组 | 第65页 |
4.3.5 算法描述 | 第65-66页 |
4.3.6 算法实例应用 | 第66-67页 |
4.4 实验设计与分析 | 第67-72页 |
4.4.1 实验数据及环境介绍 | 第67-68页 |
4.4.2 数据发布隐私泄露风险分析 | 第68-69页 |
4.4.3 不同条件下数据可用性分析 | 第69-72页 |
4.5 本章小结 | 第72-74页 |
结论 | 第74页 |
工作总结 | 第74-75页 |
进一步工作 | 第75-76页 |
参考文献 | 第76-80页 |
攻读硕士学位期间所取得的成果 | 第80-82页 |
致谢 | 第82页 |