多维敏感属性相关联的隐私保护数据发布研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-21页 |
| ·研究背景 | 第9-13页 |
| ·研究意义 | 第13页 |
| ·研究现状 | 第13-19页 |
| ·从法律上进行隐私保护 | 第14-16页 |
| ·从技术上进行隐私保护 | 第16-19页 |
| ·研究内容 | 第19页 |
| ·论文的内容安排 | 第19-21页 |
| 2 数据发布隐私保护模型基础 | 第21-39页 |
| ·基本概念 | 第21-23页 |
| ·隐私泄露风险度量 | 第23-24页 |
| ·信息损失量度量方法 | 第24-26页 |
| ·K-匿名隐私保护模型 | 第26-29页 |
| ·K匿名模型的基本概念 | 第26-27页 |
| ·K匿名模型的实现 | 第27-29页 |
| ·K匿名模型的优缺点 | 第29页 |
| ·L-多样化模型 | 第29-33页 |
| ·L-多样化模型的定义 | 第29-30页 |
| ·L多样化模型的实现 | 第30-31页 |
| ·L多样化模型的优缺点 | 第31-33页 |
| ·基于多维桶分组技术的多维敏感属性隐私保护模型 | 第33-34页 |
| ·基于最小选择度优先的多敏感属性L-多样性算法 | 第34-36页 |
| ·面向多维敏感属性的数据发布模型-rating | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 3 L-有效性模型 | 第39-57页 |
| ·弱关联规则攻击 | 第39-43页 |
| ·L-有效性模型的概念和实现 | 第43-56页 |
| ·泛化策略的选择和分析 | 第43-46页 |
| ·L-有效性模型的结构 | 第46页 |
| ·弱关联规则的挖掘 | 第46-47页 |
| ·泛化 | 第47-50页 |
| ·调整泛化桶 | 第50-56页 |
| ·本章小结 | 第56-57页 |
| 4 面向多维敏感属性的等概率模型 | 第57-72页 |
| ·等概率模型的定义与实现 | 第58-65页 |
| ·基于贪心算法的等概率模型 | 第59-61页 |
| ·剩余元组处理 | 第61-65页 |
| ·基于回溯法的最优泛化桶组合搜索算法 | 第65-71页 |
| ·算法描述 | 第66-68页 |
| ·算法实现 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 5 实验 | 第72-76页 |
| ·执行时间对比 | 第72-73页 |
| ·附加信息损失对比 | 第73-74页 |
| ·元组隐匿率对比 | 第74页 |
| ·本章小结 | 第74-76页 |
| 6 总结和展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 读硕士期间的研究成果 | 第82-84页 |
| 致谢 | 第84-85页 |
