MapReduce下差分隐私保护技术研究与实现
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 研究内容与主要工作 | 第14-15页 |
| 1.4 论文章节安排 | 第15-17页 |
| 第二章 相关背景知识介绍 | 第17-24页 |
| 2.1 MapReduce技术 | 第17-21页 |
| 2.1.1 Hadoop平台概述 | 第17-19页 |
| 2.1.2 MapReduce工作流程 | 第19-20页 |
| 2.1.3 MapReduce中的隐私保护 | 第20-21页 |
| 2.2 差分隐私保护技术 | 第21-23页 |
| 2.2.1 相关概念介绍 | 第21-22页 |
| 2.2.2 差分隐私的组合特性 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于随机森林的分布式差分隐私保护技术 | 第24-40页 |
| 3.1 研究背景 | 第24-25页 |
| 3.2 传统差分隐私随机森林算法 | 第25-28页 |
| 3.2.1 随机森林算法 | 第26-27页 |
| 3.2.2 差分隐私随机森林算法 | 第27-28页 |
| 3.3 分布式差分隐私随机森林算法 | 第28-33页 |
| 3.3.1 DPMRRF算法流程 | 第28-31页 |
| 3.3.2 DPMRRF算法设计 | 第31-32页 |
| 3.3.3 可用性函数选取 | 第32-33页 |
| 3.4 实验结果与分析 | 第33-39页 |
| 3.4.1 实验环境 | 第33-34页 |
| 3.4.2 实验结果分析 | 第34-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 分布式环境下隐私预算参数分配策略 | 第40-54页 |
| 4.1 研究背景 | 第40页 |
| 4.2 噪声机制描述 | 第40-42页 |
| 4.2.1 拉普拉斯机制 | 第40-42页 |
| 4.2.2 指数机制 | 第42页 |
| 4.3 分布式环境噪声机制设计 | 第42-51页 |
| 4.3.1 指数机制与特征选择方案 | 第43-49页 |
| 4.3.2 隐私预算分配策略 | 第49-51页 |
| 4.4 实验结果与分析 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 分布式环境下差分隐私保护技术的原型系统 | 第54-67页 |
| 5.1 应用场景介绍 | 第54页 |
| 5.2 原型系统方案的设计 | 第54-59页 |
| 5.2.1 系统架构介绍 | 第54-55页 |
| 5.2.2 分布式差分隐私随机森林模块设计 | 第55-57页 |
| 5.2.3 噪声参数分配模块设计 | 第57-59页 |
| 5.3 实现环境搭建 | 第59-64页 |
| 5.3.1 实验环境 | 第59-61页 |
| 5.3.2 实验步骤 | 第61-64页 |
| 5.4 实验结果与分析 | 第64-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 论文总结 | 第67-68页 |
| 6.2 论文展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第72-73页 |
| 附录2 攻读硕士学位期间申请的专利 | 第73-74页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第74-75页 |
| 附录4 攻读硕士学位期间获得的荣誉 | 第75-76页 |
| 致谢 | 第76页 |
