基于社区聚类的K-对称-N匿名的隐私保护技术
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.3 本文的结构与内容 | 第13-15页 |
| 第2章 相关理论及技术 | 第15-27页 |
| 2.1 社会网络图与图论的结合 | 第15-17页 |
| 2.2 K-匿名模型的隐私保护 | 第17-18页 |
| 2.3 K-对称匿名算法 | 第18-22页 |
| 2.4 GN算法 | 第22-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 基于完全信息图的GN算法和社区聚类 | 第27-41页 |
| 3.1 基于完全信息图的GN算法 | 第27-36页 |
| 3.1.1 社会网络边的局部环境 | 第27-28页 |
| 3.1.2 基于完全信息图的边稳定系数GN算法 | 第28-31页 |
| 3.1.3 基于完全信息图的GN发现算法步骤 | 第31-32页 |
| 3.1.4 社区划分质量的评定函数 | 第32-34页 |
| 3.1.5 基于完全信息图的GN实验分析 | 第34-36页 |
| 3.2 K-means算法的社区聚类 | 第36-39页 |
| 3.2.1 基于相似度的K-means社区聚类 | 第36-38页 |
| 3.2.2 虚拟社区产生算法 | 第38-39页 |
| 3.3 本章小结 | 第39-41页 |
| 第4章 K-对称-N匿名算法 | 第41-55页 |
| 4.1 K-对称-N匿名算法的算法描述与分析 | 第41-45页 |
| 4.2 K-对称-N匿名算法的隐私保护度分析 | 第45-47页 |
| 4.3 K-对称-N匿名算法的实验设计及分析 | 第47-54页 |
| 4.3.1 K-对称-N匿名算法的信息损失度分析 | 第50-53页 |
| 4.3.2 K-对称-N匿名算法的时间复杂度分析 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 研究总结 | 第55页 |
| 5.2 研究展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的论文 | 第61-63页 |
| 致谢 | 第63页 |
