| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 隐私保护研究背景及意义 | 第11-13页 |
| 1.1.1 数据发布研究背景 | 第11-12页 |
| 1.1.2 连续数据发布隐私保护的意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 论文主要工作及内容安排 | 第16-17页 |
| 第2章 隐私保护相关技术 | 第17-28页 |
| 2.1 数据发布隐私保护 | 第17-23页 |
| 2.1.1 隐私信息 | 第17-18页 |
| 2.1.2 数据发布 | 第18-19页 |
| 2.1.3 隐私泄露 | 第19-21页 |
| 2.1.4 隐私保护 | 第21页 |
| 2.1.5 数据可用性 | 第21-22页 |
| 2.1.6 隐私保护数据发布 | 第22页 |
| 2.1.7 连续发布隐私保护 | 第22-23页 |
| 2.2 隐私保护技术的分类 | 第23页 |
| 2.3 匿名隐私保护模型 | 第23-26页 |
| 2.3.1 K-匿名模型 | 第23-24页 |
| 2.3.2 l-多样性模型 | 第24-26页 |
| 2.3.3 t-Closeness模型 | 第26页 |
| 2.4 数据质量度量 | 第26-27页 |
| 2.4.1 可辨别度量(DM) | 第26页 |
| 2.4.2 分类度量(CM) | 第26-27页 |
| 2.4.3 标准化确定性惩罚(NCP) | 第27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 静态数据集更新的隐私保护算法 | 第28-40页 |
| 3.1 基于聚类的增强L-多样性模型实现算法分析 | 第28-29页 |
| 3.2 l-diversity聚类改进算法 | 第29-36页 |
| 3.2.1 算法描述与基本思想 | 第30-34页 |
| 3.2.2 LDICA算法的实现 | 第34-36页 |
| 3.3 实验测试与结果分析 | 第36-39页 |
| 3.3.1 实验环境与数据集 | 第36页 |
| 3.3.2 安全性和信息损失分析 | 第36-37页 |
| 3.3.3 计算性能开销 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 动态数据集更新连续发布隐私保护算法 | 第40-56页 |
| 4.1 数据集连续更新的分类及相关名词定义 | 第40-41页 |
| 4.2 基于分割和聚类的l- diversity算法 | 第41-49页 |
| 4.2.1 算法描述与基本思想 | 第42-44页 |
| 4.2.2 LDACA算法的实现 | 第44-49页 |
| 4.3 算法理论分析 | 第49-51页 |
| 4.3.1 信息损失度 | 第49-50页 |
| 4.3.2 正确性分析 | 第50页 |
| 4.3.3 复杂性分析 | 第50-51页 |
| 4.3.4 安全性分析 | 第51页 |
| 4.4 实验测试与结果分析 | 第51-54页 |
| 4.4.1 实验环境与数据集 | 第51-52页 |
| 4.4.2 隐私保护度 | 第52-53页 |
| 4.4.3 信息损失伪记录数 | 第53页 |
| 4.4.4 计算性能开销 | 第53-54页 |
| 4.5 本章小结 | 第54-56页 |
| 结论 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士期间发表的论文及科研成果 | 第64页 |