一种基于重叠式剖分的数据匿名方法
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.3 研究的主要内容 | 第16-17页 |
| 1.4 论文结构 | 第17-18页 |
| 第2章 相关理论和主要技术 | 第18-30页 |
| 2.1 隐私保护概述 | 第18-19页 |
| 2.2 匿名策略 | 第19-23页 |
| 2.2.1 k-anonymity匿名策略 | 第20-21页 |
| 2.2.2 l-diversity匿名策略 | 第21-22页 |
| 2.2.3 个性化匿名策略 | 第22页 |
| 2.2.4 其他匿名策略 | 第22-23页 |
| 2.3 数据库隐私保护框架 | 第23-24页 |
| 2.4 数据库匿名化技术 | 第24-28页 |
| 2.5 匿名性能评价 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 基于重叠式剖分的数据匿名方法 | 第30-42页 |
| 3.1 问题的提出 | 第30-32页 |
| 3.2 改进的模糊聚类算法 | 第32-36页 |
| 3.2.1 模糊C均值聚类算法 | 第32-33页 |
| 3.2.2 模糊聚类算法的改进 | 第33-35页 |
| 3.2.3 WFCM实验验证 | 第35-36页 |
| 3.3 重叠式剖分技术 | 第36-38页 |
| 3.3.1 基本思想 | 第36页 |
| 3.3.2 基本概念 | 第36-38页 |
| 3.4 重叠式剖分算法实现 | 第38-41页 |
| 3.4.1 属性剖分算法 | 第38-39页 |
| 3.4.2 记录分组算法 | 第39-40页 |
| 3.4.3 算法实例 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 实验与结果分析 | 第42-54页 |
| 4.1 实验平台及环境 | 第42-43页 |
| 4.2 实验度量方法 | 第43-46页 |
| 4.2.1 C4.5决策树 | 第43-45页 |
| 4.2.2 信息损失度量 | 第45-46页 |
| 4.2.3 隐私披露风险度量 | 第46页 |
| 4.3 实验内容及方案 | 第46-47页 |
| 4.4 实验结果及分析 | 第47-53页 |
| 4.4.1 决策树分类C4.5学习的准确性 | 第47-51页 |
| 4.4.2 时间复杂度分析 | 第51-52页 |
| 4.4.3 信息损失分析 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第60-61页 |
| 致谢 | 第61页 |
