| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 图索引 | 第13-14页 |
| 表索引 | 第14-16页 |
| 1 绪论 | 第16-26页 |
| 1.1 引言 | 第16-17页 |
| 1.2 研究背景 | 第17-18页 |
| 1.3 研究现状及存在的问题 | 第18-22页 |
| 1.3.1 基本的隐私保护模型 | 第20-21页 |
| 1.3.2 拓展的隐私保护模型 | 第21-22页 |
| 1.4 研究内容及主要思路 | 第22-24页 |
| 1.4.1 双重隐私保护的数据发布模型 | 第22-23页 |
| 1.4.2 保护两类相似性的模型 | 第23-24页 |
| 1.4.3 流数据的隐私保护研究 | 第24页 |
| 1.5 论文的结构 | 第24-26页 |
| 2 相关工作 | 第26-48页 |
| 2.1 隐私保护技术概述 | 第26-27页 |
| 2.2 隐私保护的数据发布 | 第27-38页 |
| 2.2.1 记录链接 | 第28-31页 |
| 2.2.2 属性链接 | 第31-37页 |
| 2.2.3 表格链接 | 第37-38页 |
| 2.3 匿名化的实现 | 第38-40页 |
| 2.4 模型的信息度量 | 第40-42页 |
| 2.4.1 通用的信息度量 | 第40-41页 |
| 2.4.2 面向特殊应用的信息度量 | 第41页 |
| 2.4.3 混合的信息度量 | 第41-42页 |
| 2.5 动态数据发布模型 | 第42-44页 |
| 2.6 多敏感属性的数据发布模型 | 第44-46页 |
| 2.7 本章小结 | 第46-48页 |
| 3 敏感值分级的隐私保护 | 第48-76页 |
| 3.1 问题的提出与分析 | 第48-53页 |
| 3.1.1 单敏感属性的匿名模型 | 第50-52页 |
| 3.1.2 其他匿名模型 | 第52-53页 |
| 3.2 单敏感属性的双重保护匿名模型 | 第53-54页 |
| 3.3 (l_1,l_2)-多样性的实施 | 第54-65页 |
| 3.3.1 相异(l_1,l_2)-多样性的参数选择 | 第55-56页 |
| 3.3.2 相异(l_1,l_2)-多样性的性质 | 第56-58页 |
| 3.3.3 敏感值的敏感程度分级 | 第58-65页 |
| 3.4 多敏感属性的双重保护匿名模型 | 第65-68页 |
| 3.4.1 重保护模型的两种方法 | 第65-66页 |
| 3.4.2 不同模型的思考 | 第66-68页 |
| 3.5 实验 | 第68-73页 |
| 3.5.1 实验数据与建立 | 第68-71页 |
| 3.5.2 实验结果 | 第71-73页 |
| 3.6 结论 | 第73-76页 |
| 4 基于相似性攻击的隐私保护技术 | 第76-94页 |
| 4.1 问题的提出与分析 | 第76-79页 |
| 4.2 隐私保护模型的定义 | 第79-82页 |
| 4.3 匿名模型的实施 | 第82-86页 |
| 4.3.1 几种度量方法 | 第82-83页 |
| 4.3.2 匿名化算法 | 第83-86页 |
| 4.4 实验 | 第86-92页 |
| 4.4.1 实验数据和环境 | 第86-87页 |
| 4.4.2 实验结果 | 第87-92页 |
| 4.5 结论 | 第92-94页 |
| 5 流数据的隐私保护数据发布 | 第94-108页 |
| 5.1 问题的提出与分析 | 第94-97页 |
| 5.2 流数据的隐私保护模型 | 第97-98页 |
| 5.3 匿名化算法 | 第98-102页 |
| 5.4 实验 | 第102-105页 |
| 5.4.1 实验数据和环境 | 第102-104页 |
| 5.4.2 实验结果 | 第104-105页 |
| 5.5 结论 | 第105-108页 |
| 6 结论 | 第108-112页 |
| 6.1 论文的主要贡献 | 第108-109页 |
| 6.2 未来展望 | 第109-112页 |
| 参考文献 | 第112-120页 |
| 作者简历及攻读博士学位期间取得旳研究成果 | 第120-124页 |
| 学位论文数据集 | 第124页 |