基于聚类的隐私保护数据发布关键技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-25页 |
| ·研究背景、目的和意义 | 第13-14页 |
| ·国内外的研究现状 | 第14-22页 |
| ·隐私泄露的攻击方法 | 第15-17页 |
| ·匿名实现技术 | 第17-20页 |
| ·记录联接模型算法 | 第20-21页 |
| ·增量数据发布和数据流发布 | 第21-22页 |
| ·论文的研究内容和结构 | 第22-25页 |
| 第2章 消除离群点干扰的密度聚类匿名算法 | 第25-53页 |
| ·问题的提出 | 第25-26页 |
| ·相关研究基础 | 第26-37页 |
| ·传统的匿名化技术 | 第29-33页 |
| ·隐私保护的数据类型 | 第33-34页 |
| ·面向隐私保护的聚类模型 | 第34-37页 |
| ·基于密度聚类的 k-匿名算法 | 第37-49页 |
| ·传统的数据发布距离度量标准 | 第38-39页 |
| ·信息损失度量标准 | 第39-43页 |
| ·数据发布中的离群点检测方法 | 第43-45页 |
| ·消除离群点干扰的发布算法 | 第45-48页 |
| ·算法的正确性和复杂性分析 | 第48-49页 |
| ·仿真实验与结果分析 | 第49-52页 |
| ·信息损失分析 | 第49-51页 |
| ·执行时间分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第3章 增强隐私保护度的聚类匿名算法 | 第53-79页 |
| ·问题的提出 | 第53-54页 |
| ·相关研究基础 | 第54-55页 |
| ·增强隐私保护度的聚类匿名算法 | 第55-70页 |
| ·数据属性的映射与度量 | 第55-65页 |
| ·隐私保护增强的匿名模型定义 | 第65-67页 |
| ·(α, k)-匿名算法设计 | 第67-70页 |
| ·频率约束α的设置原则 | 第70页 |
| ·算法的正确性与复杂性分析 | 第70-71页 |
| ·正确性分析 | 第70-71页 |
| ·复杂性分析 | 第71页 |
| ·实验及结果分析 | 第71-78页 |
| ·信息损失分析 | 第72-75页 |
| ·执行时间分析 | 第75-78页 |
| ·本章小结 | 第78-79页 |
| 第4章 效用增强敏感属性多样性算法 | 第79-100页 |
| ·问题的提出 | 第79-80页 |
| ·相关研究基础 | 第80-84页 |
| ·l-多样性的研究基础 | 第80-84页 |
| ·数据效用衡量标准 | 第84页 |
| ·效用增强的(k, l)-多样性聚类模型 | 第84-95页 |
| ·对象邻近度 | 第90-92页 |
| ·算法实现与分析 | 第92-95页 |
| ·算法性能与实验结果分析 | 第95-98页 |
| ·查询精度分析 | 第95-97页 |
| ·信息损失和效率分析 | 第97-98页 |
| ·本章小结 | 第98-100页 |
| 第5章 聚类的最大延迟数据流发布算法 | 第100-113页 |
| ·问题的提出 | 第100-101页 |
| ·相关研究基础 | 第101-106页 |
| ·数据流 k-匿名 | 第101-103页 |
| ·数据流发布的聚类技术 | 第103-106页 |
| ·聚类的数据流匿名化技术 | 第106-111页 |
| ·数据流匿名框架 | 第107页 |
| ·聚类特征树 | 第107-109页 |
| ·最大延迟的数据流匿名化算法 | 第109-111页 |
| ·实验仿真与分析 | 第111-112页 |
| ·本章小结 | 第112-113页 |
| 结论 | 第113-115页 |
| 参考文献 | 第115-126页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第126-127页 |
| 致谢 | 第127页 |
