| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 国内外研究进展综述 | 第15-19页 |
| 1.2.1 单敏感属性隐私保护技术发展(SSA) | 第15-18页 |
| 1.2.2 多敏感属性隐私保护(MSA) | 第18-19页 |
| 1.3 本文框架以及创新点介绍 | 第19-22页 |
| 第二章 隐私保护相关知识介绍 | 第22-34页 |
| 2.1 基础知识介绍 | 第22-29页 |
| 2.1.1 隐私保护技术的发展 | 第22-24页 |
| 2.1.2 隐私保护基础知识 | 第24-26页 |
| 2.1.3 隐私保护常见攻击介绍 | 第26-29页 |
| 2.2 经典匿名模型介绍 | 第29-32页 |
| 2.2.1 k匿名模型 | 第29-30页 |
| 2.2.2 l多样性模型 | 第30-31页 |
| 2.2.3 t-Closeness模型 | 第31-32页 |
| 2.3 无损连接发布与有损连接发布 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 聚类的改进算法 | 第34-48页 |
| 3.1 聚类基础知识介绍 | 第34-35页 |
| 3.1.1 经典聚类算法介绍。 | 第34-35页 |
| 3.2 k均值算法的缺陷以及其优化算法 | 第35页 |
| 3.3 改进聚类算法 | 第35-39页 |
| 3.3.1 中心重规划二分k均值算法 | 第36-37页 |
| 3.3.2 记录重规划二分k均值算法 | 第37页 |
| 3.3.3 自适应记录重规划二分k均值算法 | 第37-39页 |
| 3.4 算法复杂度分析 | 第39页 |
| 3.5 距离定义 | 第39-40页 |
| 3.6 实验分析 | 第40-47页 |
| 3.6.1 实验环境与数据 | 第40-41页 |
| 3.6.2 实验评价标准 | 第41-42页 |
| 3.6.3 实验结果及分析 | 第42-47页 |
| 3.7 本章小结 | 第47-48页 |
| 第四章 多敏感属性数据隐私保护EBLC算法 | 第48-54页 |
| 4.1 算法介绍 | 第48-52页 |
| 4.1.1 (l,x)多样性模型 | 第48-50页 |
| 4.1.2 (l,x,w)多样性模型 | 第50-51页 |
| 4.1.3 EBLC算法介绍 | 第51-52页 |
| 4.2 信息损失标准 | 第52-53页 |
| 4.3 算法复杂度分析 | 第53页 |
| 4.4 算法抗攻击性分析 | 第53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 实验验证及分析 | 第54-62页 |
| 5.1 实验环境与数据 | 第54-55页 |
| 5.1.1 实验数据 | 第54-55页 |
| 5.1.2 实验环境 | 第55页 |
| 5.1.3 实验方案 | 第55页 |
| 5.2 实验结果以及分析 | 第55-61页 |
| 5.2.1 基于不同数量级的运行效率 | 第55-56页 |
| 5.2.2 基于不同敏感属性的运行效率 | 第56-57页 |
| 5.2.3 基于不同多样性的运行效率 | 第57-59页 |
| 5.2.4 基于不同信息熵比率、多样性的信息损失 | 第59-60页 |
| 5.2.5 基于不同信息熵比率、敏感属性的信息损失 | 第60-61页 |
| 5.3 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 未来规划以及展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-72页 |
| 作者简介 | 第72-73页 |