| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文各章节安排 | 第10-12页 |
| 第二章 隐私保护数据挖掘综述 | 第12-22页 |
| 2.1 隐私及隐私度量 | 第12-13页 |
| 2.1.1 隐私的定义 | 第12页 |
| 2.1.2 隐私的度量 | 第12-13页 |
| 2.2 隐私保护数据挖掘的分类与性能评估 | 第13-15页 |
| 2.2.1 隐私保护数据挖掘的分类 | 第13-14页 |
| 2.2.2 隐私保护技术的性能评估 | 第14-15页 |
| 2.3 几种常见的隐私保护方法介绍 | 第15-21页 |
| 2.3.1 随机化 | 第15-16页 |
| 2.3.1.1 随机扰动 | 第15-16页 |
| 2.3.1.2 随机化应答 | 第16页 |
| 2.3.2 安全多方计算 | 第16-18页 |
| 2.3.3 数据匿名化 | 第18-21页 |
| 2.3.3.1 数据匿名化原则 | 第18-19页 |
| 2.3.3.2 k-匿名 | 第19页 |
| 2.3.3.3 l-diversity | 第19-20页 |
| 2.3.3.4 t-Closeness | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 特征选择概述 | 第22-29页 |
| 3.1 特征选择 | 第22-25页 |
| 3.1.1 特征子集的产生方式 | 第23-24页 |
| 3.1.2 特征子集的评价方法 | 第24-25页 |
| 3.2 常见的特征选择算法 | 第25-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第四章 分布式环境中的差分隐私特征选择 | 第29-46页 |
| 4.1 基于基尼指数的特征选择 | 第29-31页 |
| 4.2 差分隐私 | 第31-33页 |
| 4.3 Map-Reduce | 第33-35页 |
| 4.4 基于 Map-Reduce 的差分隐私特征选择 | 第35-41页 |
| 4.5 仿真实验与分析 | 第41-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 基于 PCA 的隐私保护非监督特征选择 | 第46-60页 |
| 5.1 主成分分析 PCA | 第46-47页 |
| 5.2 特征隐私保护 | 第47-48页 |
| 5.3 特征相似度度量 | 第48-50页 |
| 5.4 隐私保护非监督特征选择 | 第50-53页 |
| 5.5 仿真实验 | 第53-59页 |
| 5.6 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 本文的主要工作 | 第60页 |
| 6.2 研究工作的展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 附录 1 攻读硕士学位期间的学术成果 | 第68-69页 |
| 附录 2 攻读硕士学位期间参加的科研项目 | 第69-70页 |
| 致谢 | 第70页 |