基于不确定图的社交网络隐私保护方法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-23页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.1.1 选题背景 | 第9-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 研究现状 | 第12-19页 |
| 1.2.1 社交网络隐私保护方法 | 第12-15页 |
| 1.2.2 不确定图隐私保护方法 | 第15-19页 |
| 1.3 研究内容及组织结构 | 第19-23页 |
| 1.3.1 论文的研究内容 | 第19-20页 |
| 1.3.2 论文的组织结构 | 第20-23页 |
| 第2章 基础知识 | 第23-33页 |
| 2.1 本章相关符号 | 第23-24页 |
| 2.2 图数据中差分隐私的相关概念 | 第24-27页 |
| 2.3 不确定图隐私保护中的相关概念 | 第27-29页 |
| 2.4 算法分析指标 | 第29-31页 |
| 2.4.1 隐私性度量指标 | 第29-30页 |
| 2.4.2 数据效用性度量指标 | 第30-31页 |
| 2.5 实验数据集 | 第31页 |
| 2.6 本章小结 | 第31-33页 |
| 第3章 一种基于差分隐私的不确定图隐私保护算法 | 第33-43页 |
| 3.1 引言 | 第33页 |
| 3.2 不确定图隐私保护算法UGDP | 第33-36页 |
| 3.2.1 基本问题描述 | 第33-34页 |
| 3.2.2 UGDP算法模型 | 第34-35页 |
| 3.2.3 UGDP算法 | 第35-36页 |
| 3.3 UGDP算法隐私性分析 | 第36-38页 |
| 3.3.1 差分隐私分析 | 第36-37页 |
| 3.3.2 算法隐私性对比 | 第37-38页 |
| 3.4 UGDP算法效用性分析 | 第38-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 增强数据效用性的不确定图隐私保护算法 | 第43-53页 |
| 4.1 引言 | 第43页 |
| 4.2 噪声截取技术 | 第43-44页 |
| 4.3 增强数据效用性的UGDP-mod算法 | 第44-46页 |
| 4.3.1 基本问题描述 | 第44-45页 |
| 4.3.2 UGDP-mod算法模型 | 第45页 |
| 4.3.3 UGDP-mod算法 | 第45-46页 |
| 4.4 UGDP-mod算法隐私性分析 | 第46-48页 |
| 4.4.1 差分隐私分析 | 第46-47页 |
| 4.4.2 算法隐私性对比 | 第47-48页 |
| 4.5 UGDP-mod算法效用性分析 | 第48-51页 |
| 4.6 本章小结 | 第51-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 论文总结 | 第53-54页 |
| 5.2 研究展望 | 第54-55页 |
| 参考文献 | 第55-61页 |
| 致谢 | 第61-63页 |
| 攻读学位期间科研成果 | 第63页 |
