| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 相关研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 本文研究内容 | 第13页 |
| 1.4 本文结构安排 | 第13-15页 |
| 第2章 PPDP 基本概念与相关技术 | 第15-23页 |
| 2.1 PPDP 技术模型 | 第15页 |
| 2.2 连接攻击及隐私保护模型 | 第15-20页 |
| 2.2.1 记录连接攻击 | 第16-18页 |
| 2.2.2 属性连接攻击 | 第18-19页 |
| 2.2.3 表连接及概率性攻击 | 第19-20页 |
| 2.3 PPDP 匿名技术 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 Slicing 算法与 m-invariance 规则 | 第23-32页 |
| 3.1 Slicing 算法 | 第23-26页 |
| 3.1.1 算法概述 | 第23页 |
| 3.1.2 Slicing 算法原理 | 第23-25页 |
| 3.1.3 Slicing 算法分析 | 第25-26页 |
| 3.2 m-invariance 规则 | 第26-31页 |
| 3.2.1 连续发布与 m-invariance 概述 | 第26-29页 |
| 3.2.2 m-invariance 的原理 | 第29-31页 |
| 3.2.3 m-invariance 规则分析 | 第31页 |
| 3.3 本章小结 | 第31-32页 |
| 第4章 m-invariance 算法的改进：m-slicing 算法 | 第32-46页 |
| 4.1 m-invariance 算法 | 第32-34页 |
| 4.1.1 算法概述 | 第32-33页 |
| 4.1.2 算法的局限性 | 第33-34页 |
| 4.2 对 m-invariance 算法的改进策略 | 第34-36页 |
| 4.3 m-slicing 算法 | 第36-45页 |
| 4.3.1 属性分割 | 第36-37页 |
| 4.3.2 QI 组分割 | 第37-42页 |
| 4.3.3 QI 组置换 | 第42-44页 |
| 4.3.4 m-slicing 算法分析 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 m-slicing 算法实现与实验分析 | 第46-60页 |
| 5.1 实验环境及数据集 | 第46-47页 |
| 5.2 实验设计与算法实现 | 第47-52页 |
| 5.2.1 实验设计 | 第47页 |
| 5.2.2 算法实现 | 第47-52页 |
| 5.3 实验结果分析 | 第52-59页 |
| 5.3.1 实验评估指标 | 第52-53页 |
| 5.3.2 伪造数据量的比较 | 第53-55页 |
| 5.3.3 数据有效性的比较 | 第55-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 全文总结 | 第60-61页 |
| 6.2 下一步工作展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 作者简介 | 第67-68页 |
| 致谢 | 第68页 |
