基于聚类的匿名化隐私保护算法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文的主要研究内容与成果 | 第11-12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 2 相关理论基础 | 第14-22页 |
| 2.1 基本概念 | 第14-18页 |
| 2.1.1 隐私的定义 | 第14页 |
| 2.1.2 隐私保护与泄露 | 第14-16页 |
| 2.1.3 数据属性 | 第16-18页 |
| 2.2 匿名化攻击 | 第18-19页 |
| 2.3 匿名化技术 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 基于聚类的k-匿名算法及其改进 | 第22-36页 |
| 3.1 k-匿名聚类问题分析 | 第22-24页 |
| 3.1.1 k-匿名模型 | 第22页 |
| 3.1.2 k-means聚类算法 | 第22-23页 |
| 3.1.3 k-匿名聚类问题 | 第23页 |
| 3.1.4 基于聚类的 -匿名算法及分析 | 第23-24页 |
| 3.2 基于聚类优化的 -匿名改进算法 | 第24-31页 |
| 3.2.1 基于平均密度的初始聚类中心 | 第24页 |
| 3.2.2 数据度量函数 | 第24-27页 |
| 3.2.3 计算信息损失 | 第27页 |
| 3.2.4 算法描述 | 第27-29页 |
| 3.2.5 算法分析 | 第29-31页 |
| 3.3 实验结果与分析 | 第31-34页 |
| 3.3.1 实验环境 | 第31-32页 |
| 3.3.2 信息损失分析 | 第32-33页 |
| 3.3.3 效率分析 | 第33-34页 |
| 3.4 本章小结 | 第34-36页 |
| 4 基于聚类的 I-多样性匿名算法及其改进 | 第36-52页 |
| 4.1 I-多样性匿名算法 | 第36-39页 |
| 4.1.1 I-多样性匿名模型 | 第36页 |
| 4.1.2 I-多样性聚类问题 | 第36-37页 |
| 4.1.3 算法描述 | 第37-38页 |
| 4.1.4 算法分析 | 第38-39页 |
| 4.2 基于敏感度约束的 -多样性匿名改进算法 | 第39-46页 |
| 4.2.1 模型概念定义 | 第39-41页 |
| 4.2.2 算法描述 | 第41-45页 |
| 4.2.3 算法分析 | 第45-46页 |
| 4.3 实验结果与分析 | 第46-50页 |
| 4.3.1 实验环境 | 第46-47页 |
| 4.3.2 攻击脆弱性分析 | 第47-48页 |
| 4.3.3 信息损失分析 | 第48-49页 |
| 4.3.4 效率分析 | 第49-50页 |
| 4.4 本章小结 | 第50-52页 |
| 5 总结和展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 附录 | 第60页 |
