增量加权社会网络隐私保护技术
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-16页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 研究内容及面临的挑战 | 第12-13页 |
| 1.3 本文的贡献 | 第13页 |
| 1.4 本文的组织结构 | 第13-16页 |
| 第2章 相关工作 | 第16-26页 |
| 2.1 社会网络概述 | 第16-17页 |
| 2.2 k-匿名 | 第17-22页 |
| 2.2.1 结点k-匿名 | 第17-20页 |
| 2.2.2 子图k-匿名 | 第20-22页 |
| 2.3 数据扰乱 | 第22-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 背景知识和问题定义 | 第26-36页 |
| 3.1 增量加权社会网络相关概念 | 第26-27页 |
| 3.2 简单图的匿名方法 | 第27-28页 |
| 3.3 增量加权社会网络隐私泄露分析 | 第28-33页 |
| 3.3.1 结点身份隐私泄露 | 第29-32页 |
| 3.3.2 边权重隐私泄露 | 第32-33页 |
| 3.4 问题定义 | 第33-34页 |
| 3.5 本章小结 | 第34-36页 |
| 第4章 防止结点身份泄露的匿名化技术 | 第36-46页 |
| 4.1 基于权重链表的k-匿名技术 | 第36-40页 |
| 4.1.1 加权图k-匿名方法 | 第36-37页 |
| 4.1.2 增量序列分类安全条件 | 第37-39页 |
| 4.1.3 基于权重链表的-匿名隐私保护模型 | 第39-40页 |
| 4.1.4 信息损失 | 第40页 |
| 4.2 基于权重链表的k-匿名算法 | 第40-44页 |
| 4.2.1 分组算法 | 第40-42页 |
| 4.2.2 基于权重链表的k-匿名算法 | 第42-44页 |
| 4.3 本章小结 | 第44-46页 |
| 第5章 防止结点身份和边权重泄露的匿名化技术 | 第46-54页 |
| 5.1 基于超图的k-匿名技术 | 第46-49页 |
| 5.1.1 超图 | 第46-47页 |
| 5.1.2 基于超图的k-匿名模型 | 第47-48页 |
| 5.1.3 信息损失 | 第48-49页 |
| 5.2 基于超图的k-匿名算法 | 第49-51页 |
| 5.2.1 聚合算法 | 第49-50页 |
| 5.2.2 基于超图的k-匿名算法 | 第50-51页 |
| 5.3 本章小结 | 第51-54页 |
| 第6章 实验测试与结果分析 | 第54-64页 |
| 6.1 实验设置 | 第54-55页 |
| 6.2 执行效率对比及分析 | 第55-56页 |
| 6.3 数据可用性分析 | 第56-62页 |
| 6.3.1 边权重保持程度 | 第56-58页 |
| 6.3.2 查询相对误差 | 第58-62页 |
| 6.4 本章小结 | 第62-64页 |
| 第7章 结束语 | 第64-66页 |
| 7.1 结论 | 第64页 |
| 7.2 工作展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 攻硕期间参加的项目及发表的论文 | 第72页 |
