| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1.绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 相关问题与解决方案 | 第10-12页 |
| 1.3 论文贡献及论文结构 | 第12-14页 |
| 2.相关工作研究 | 第14-17页 |
| 2.1 隐私在线学习算法 | 第14页 |
| 2.2 分布式优化中及其相关的差分隐私保护 | 第14-15页 |
| 2.3 分布式系统HADOOP/SPARK | 第15-17页 |
| 3.问题描述和基本模型 | 第17-23页 |
| 3.1 问题模型 | 第17-19页 |
| 3.2 分布式在线学习模型 | 第19-21页 |
| 3.3 攻击者模型和对应的限制 | 第21页 |
| 3.4 差分隐私模型 | 第21-23页 |
| 4.差分隐私分布式在线学习算法 | 第23-34页 |
| 4.1 ε-DIFFERENTIALPRIVACY(差分隐私) | 第23-27页 |
| 4.2 算法的后悔界(REGRETBOUND) | 第27-30页 |
| 4.3 (ε,δ)-DIFFERENTIALPRIVACY | 第30-34页 |
| 5.算法拓展 | 第34-39页 |
| 5.1 稀疏下的差分隐私DOLA | 第34-36页 |
| 5.2 转换PDOLA为分布式离线算法 | 第36-37页 |
| 5.3 使用MINI-BATCH的PDOLA | 第37-39页 |
| 6.实验分析 | 第39-46页 |
| 6.1 实验的数学模型 | 第39页 |
| 6.2 数据集和预处理 | 第39-40页 |
| 6.3 实验部署 | 第40-42页 |
| 6.4 实验结果和分析 | 第42-46页 |
| 7.结论 | 第46-47页 |
| 8.参考文献 | 第47-52页 |
| 致谢 | 第52-53页 |
| 附录 证明A-F | 第53-61页 |
| 附录1 攻读硕士学位期间参与科研项目和研究成果 | 第61页 |