基于差分隐私的动态数据发布方法研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 差分隐私数据发布概述 | 第12-16页 |
| 1.2.1 差分隐私相关概念 | 第12-14页 |
| 1.2.2 差分隐私保护模型 | 第14-15页 |
| 1.2.3 数据发布面临的挑战 | 第15-16页 |
| 1.3 研究目标及内容 | 第16-18页 |
| 1.3.1 研究目标 | 第16页 |
| 1.3.2 研究内容 | 第16-18页 |
| 1.4 论文结构安排 | 第18-19页 |
| 第二章 相关研究现状 | 第19-26页 |
| 2.1 差分隐私数据发布机制 | 第19页 |
| 2.2 差分隐私动态数据发布研究现状 | 第19-23页 |
| 2.3 隐私预算分配方法研究现状 | 第23-24页 |
| 2.4 差分隐私动态数据发布算法性能度量 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于KL散度的差分隐私贪心分组算法 | 第26-39页 |
| 3.1 算法描述 | 第26-33页 |
| 3.1.1 算法思想 | 第26-27页 |
| 3.1.2 相关定义 | 第27-28页 |
| 3.1.3 算法伪代码 | 第28-29页 |
| 3.1.4 算法隐私分析 | 第29-32页 |
| 3.1.5 算法时间复杂度和误差分析 | 第32-33页 |
| 3.2 实验评估 | 第33-38页 |
| 3.2.1 实验设置 | 第33-34页 |
| 3.2.2 实验结果 | 第34-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第四章 基于强化学习的差分隐私动态数据发布算法 | 第39-53页 |
| 4.1 问题陈述 | 第39-40页 |
| 4.2 形式化建模 | 第40-43页 |
| 4.2.1 强化学习模型 | 第40-42页 |
| 4.2.2 问题求解模型 | 第42-43页 |
| 4.3 算法概述 | 第43-47页 |
| 4.3.1 算法思想 | 第43-44页 |
| 4.3.2 算法伪代码 | 第44-46页 |
| 4.3.3 算法误差分析 | 第46-47页 |
| 4.4 实验评估 | 第47-52页 |
| 4.4.1 实验设置 | 第47页 |
| 4.4.2 实验结果 | 第47-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士学位期间科研成果 | 第61页 |
