| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究进展 | 第10-12页 |
| 1.2.1 大数据安全研究现状 | 第10-11页 |
| 1.2.2 隐私保护数据发布研究进展 | 第11-12页 |
| 1.3 当前存在的问题 | 第12-13页 |
| 1.4 论文主要工作及章节安排 | 第13-15页 |
| 1.4.1 论文主要工作 | 第13-14页 |
| 1.4.2 章节安排 | 第14-15页 |
| 2 大数据安全与隐私保护相关理论 | 第15-25页 |
| 2.1 大数据安全技术 | 第15-19页 |
| 2.1.1 数据访问控制技术 | 第15-16页 |
| 2.1.2 可搜索数据加密 | 第16-17页 |
| 2.1.3 大数据脱敏技术 | 第17-19页 |
| 2.2 隐私保护数据发布模型 | 第19-24页 |
| 2.2.1 基于匿名模型的隐私保护数据发布 | 第19-21页 |
| 2.2.2 基于差分隐私的隐私保护数据发布 | 第21-24页 |
| 2.3 本章小结 | 第24-25页 |
| 3 大数据安全与隐私保护数据处理平台 | 第25-37页 |
| 3.1 数据处理平台整体部署 | 第25-26页 |
| 3.2 大数据安全与隐私数据发布框架 | 第26-28页 |
| 3.2.1 数据处理平台 | 第26-27页 |
| 3.2.2 海量静态数据隐私发布处理模块 | 第27页 |
| 3.2.3 动态数据隐私发布处理模块 | 第27-28页 |
| 3.3 系统平台环境的搭建 | 第28-36页 |
| 3.3.1 软硬件环境 | 第28-29页 |
| 3.3.2 Hadoop集群搭建 | 第29-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 基于Spark框架的差分隐私数据发布 | 第37-44页 |
| 4.1 数据处理框架概述 | 第37页 |
| 4.2 k-means优化 | 第37-38页 |
| 4.3 基于Spark框架的差分隐私直方图发布算法 | 第38-40页 |
| 4.3.1 算法设计概述 | 第38页 |
| 4.3.2 SPDP-GS算法描述 | 第38-39页 |
| 4.3.3 隐私性与数据可用性分析 | 第39-40页 |
| 4.4 实验结果与分析 | 第40-43页 |
| 4.4.1 实验环境 | 第40页 |
| 4.4.2 数据预处理 | 第40页 |
| 4.4.3 数据可用性与隐私性度量 | 第40-42页 |
| 4.4.4 算法效率分析 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 5 基于分形维数的差分隐私动态数据发布 | 第44-56页 |
| 5.1 动态数据发布需求分析 | 第44页 |
| 5.2 分形维数理论 | 第44-47页 |
| 5.2.1 分形维数的含义 | 第44-45页 |
| 5.2.2 分形维数的计算方法 | 第45-47页 |
| 5.2.3 分形相似性度量 | 第47页 |
| 5.3 分形聚类动态数据发布方法 | 第47-51页 |
| 5.3.1 基本框架概述 | 第47-48页 |
| 5.3.2 算法描述 | 第48-50页 |
| 5.3.3 隐私性与数据可用性分析 | 第50-51页 |
| 5.4 实验结果与分析 | 第51-55页 |
| 5.4.1 实验环境 | 第51页 |
| 5.4.2 数据可用性与隐私性度量 | 第51-55页 |
| 5.4.3 算法时间复杂度分析 | 第55页 |
| 5.5 本章小结 | 第55-56页 |
| 6 总结与展望 | 第56-58页 |
| 6.1 研究总结 | 第56页 |
| 6.2 存在的不足及未来展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士期间参与科学研究活动及发表学术成果情况 | 第63-64页 |
| 致谢 | 第64页 |