基于分类挖掘的数据隐私保护方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 主要研究内容 | 第11页 |
| 1.4 论文组织结构 | 第11-13页 |
| 第二章 相关理论与技术基础 | 第13-27页 |
| 2.1 隐私匿名保护相关技术 | 第13-22页 |
| 2.1.1 隐私保护概述 | 第13-14页 |
| 2.1.2 K-Anonymity技术 | 第14-17页 |
| 2.1.3 匿名处理技术 | 第17-22页 |
| 2.2 分类挖掘概述 | 第22-24页 |
| 2.2.1 决策树分类 | 第22-23页 |
| 2.2.2 K-近邻分类 | 第23-24页 |
| 2.2.3 贝叶斯分类 | 第24页 |
| 2.3 隐私匿名分类挖掘 | 第24-26页 |
| 2.3.1 匿名-分类方法 | 第24-25页 |
| 2.3.2 分类-匿名方法 | 第25页 |
| 2.3.3 分类匿名融合方法 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 面向权重属性熵的分类隐私匿名保护方法研究 | 第27-42页 |
| 3.1 算法提出 | 第27页 |
| 3.2 匿名基本概念 | 第27-29页 |
| 3.2.1 匿名要求 | 第27-28页 |
| 3.2.2 泛化层次 | 第28-29页 |
| 3.3 基于权重属性熵分类匿名模型 | 第29-36页 |
| 3.3.1 权重属性熵度量 | 第29-32页 |
| 3.3.2 隐私数据损失度量 | 第32-33页 |
| 3.3.3 分类匿名保护度量 | 第33-34页 |
| 3.3.4 基于权重属性熵的分类匿名算法 | 第34-36页 |
| 3.4 实验结果与分析 | 第36-40页 |
| 3.4.1 实验环境及数据集 | 第36-37页 |
| 3.4.2 数据可用性分析 | 第37-38页 |
| 3.4.3 匿名信息损失分析 | 第38-40页 |
| 3.4.4 执行时间分析 | 第40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 面向属性匿名策略的分类隐私保护方法研究 | 第42-54页 |
| 4.1 算法提出 | 第42页 |
| 4.2 相关技术概述 | 第42-46页 |
| 4.2.1 泛化处理 | 第43-44页 |
| 4.2.2 数据匿名损失 | 第44-46页 |
| 4.3 改进的属性匿名策略的分类隐私保护算法 | 第46-49页 |
| 4.3.1 分类杂度指数 | 第46页 |
| 4.3.2 准标识符属性匿名处理 | 第46-48页 |
| 4.3.3 基于属性匿名策略分类隐私保护算法 | 第48-49页 |
| 4.4 实验结果与分析 | 第49-53页 |
| 4.4.1 实验环境及数据集 | 第49-50页 |
| 4.4.2 数据可用性分析 | 第50-52页 |
| 4.4.3 隐私匿名信息损失分析 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-57页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 附录 | 第64-68页 |
| A 作者在硕士期间参加项目及发表论文情况 | 第64-65页 |
| B 表目录 | 第65-66页 |
| C 图目录 | 第66-68页 |
