基于Laplace机制的差分隐私回归分析相关优化研究
| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 国内外研究的现状以及存在的问题 | 第11-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 本文的主要工作及章节安排 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第2章 差分隐私保护以及回归分析的相关理论 | 第16-42页 |
| 2.1 隐私的介绍 | 第16-18页 |
| 2.1.1 隐私的获取 | 第16-17页 |
| 2.1.2 隐私泄露的类型 | 第17页 |
| 2.1.3 隐私保护的方法 | 第17-18页 |
| 2.2 差分隐私 | 第18-30页 |
| 2.2.1 差分隐私的方法 | 第19-21页 |
| 2.2.2 差分隐私以及同类方法进行对比 | 第21-30页 |
| 2.3 噪音及Laplace机制 | 第30-35页 |
| 2.4 隐私数据 | 第35-38页 |
| 2.4.1 隐私数据发布 | 第35-37页 |
| 2.4.2 隐私数据挖掘 | 第37-38页 |
| 2.5 回归分析 | 第38-41页 |
| 2.6 本章小结 | 第41-42页 |
| 第3章 数据模型及相关算法 | 第42-51页 |
| 3.1 拉普拉斯差分隐私保护算法 | 第42-49页 |
| 3.2 算法应用到回归分析 | 第49-50页 |
| 3.3 本章小结 | 第50-51页 |
| 第4章 实验结果与分析 | 第51-58页 |
| 4.1 实验结果 | 第51-54页 |
| 4.2 性能分析 | 第54-57页 |
| 4.3 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-66页 |
| 致谢 | 第66页 |
