基于不同匿名需求的隐私保护数据发布算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 基本模型 | 第12-14页 |
| 1.3 研究现状 | 第14-15页 |
| 1.4 本文工作 | 第15-16页 |
| 1.5 论文结构 | 第16-18页 |
| 第2章 隐私保护数据发布技术概述 | 第18-27页 |
| 2.1 匿名原则 | 第18-21页 |
| 2.1.1 k-anonymity匿名原则 | 第18-19页 |
| 2.1.2 l-diversity匿名原则 | 第19-21页 |
| 2.1.3 差分隐私 | 第21页 |
| 2.2 匿名算法 | 第21-24页 |
| 2.2.1 泛化算法 | 第22-23页 |
| 2.2.2 桶算法 | 第23-24页 |
| 2.3 信息可利用性 | 第24-27页 |
| 2.3.1 信息损失量评估 | 第25-26页 |
| 2.3.2 查询分析评估 | 第26-27页 |
| 第3章 用户身份和敏感属性的独立保护 | 第27-51页 |
| 3.1 引言 | 第27-32页 |
| 3.1.1 问题的提出 | 第27-30页 |
| 3.1.2 本章工作 | 第30-32页 |
| 3.2 交叉桶泛化算法模型 | 第32-36页 |
| 3.2.1 基本概念 | 第32-33页 |
| 3.2.2 隐私保护分析 | 第33-36页 |
| 3.3 交叉桶泛化算法 | 第36-43页 |
| 3.3.1 计算敏感值集合 | 第37-39页 |
| 3.3.2 选择匿名个体 | 第39-40页 |
| 3.3.3 匿名个体数据 | 第40-43页 |
| 3.4 实验分析 | 第43-50页 |
| 3.4.1 敏感属性保护 | 第44-45页 |
| 3.4.2 信息可利用性 | 第45-48页 |
| 3.4.3 参数的影响 | 第48-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第4章 个性化的隐私保护 | 第51-71页 |
| 4.1 引言 | 第51-55页 |
| 4.1.1 问题的提出 | 第51-53页 |
| 4.1.2 本章工作 | 第53-55页 |
| 4.2 局部分解算法模型 | 第55-59页 |
| 4.2.1 基本概念 | 第55-56页 |
| 4.2.2 敏感值保护分析 | 第56-59页 |
| 4.3 局部分解算法 | 第59-62页 |
| 4.4 实验分析 | 第62-68页 |
| 4.4.1 敏感值保护 | 第62-64页 |
| 4.4.2 信息可利用性 | 第64-67页 |
| 4.4.3 敏感值密度的影响 | 第67-68页 |
| 4.5 扩展讨论 | 第68-70页 |
| 4.6 本章小结 | 第70-71页 |
| 第5章 局部分解泛化算法 | 第71-100页 |
| 5.1 引言 | 第71-75页 |
| 5.1.1 问题的提出 | 第71-73页 |
| 5.1.2 本章工作 | 第73-75页 |
| 5.2 局部分解泛化算法模型 | 第75-78页 |
| 5.2.1 基本模型 | 第75-76页 |
| 5.2.2 隐私保护原理 | 第76-78页 |
| 5.3 局部分解泛化算法 | 第78-84页 |
| 5.3.1 基于多维划分技术的局部分解泛化算法 | 第79-82页 |
| 5.3.2 基于NCP引导的局部分解泛化算法 | 第82-84页 |
| 5.4 实验分析 | 第84-98页 |
| 5.5 本章小结 | 第98-100页 |
| 第6章 总结与展望 | 第100-102页 |
| 6.1 工作总结 | 第100-101页 |
| 6.2 研究展望 | 第101-102页 |
| 参考文献 | 第102-114页 |
| 作者简介及科研成果 | 第114-115页 |
| 致谢 | 第115页 |
