| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-13页 |
| ·研究背景及意义 | 第9-10页 |
| ·基于扰动的隐私保护数据挖掘发展及研究现状 | 第10-12页 |
| ·本文研究内容及逻辑结构 | 第12-13页 |
| 第二章 基于扰动方法的隐私保护挖掘基础 | 第13-19页 |
| ·数据挖掘过程中的隐私保护研究之层级分类 | 第13-14页 |
| ·隐私保护数据挖掘研究的技术分类 | 第14-15页 |
| ·扰动方法概述 | 第15页 |
| ·基于扰动方法的隐私保护基本思想 | 第15-17页 |
| ·隐私保护算法的评估 | 第17-18页 |
| ·数据结果的实用性 | 第17-18页 |
| ·隐私保护程度 | 第18页 |
| ·算法的难易程度 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第三章 基于扰动思想的决策树隐私保护研究 | 第19-31页 |
| ·基于扰动的两种基本方法 | 第19页 |
| ·决策树与决策树扰动的基本概念 | 第19-20页 |
| ·在决策树中的扰动技术 | 第20-30页 |
| ·基于特定数据集的原始决策树的生成 | 第20-21页 |
| ·在决策树中进行扰动隐私保护的原理 | 第21-22页 |
| ·基于扰动技术和决策树方法结合的数据隐私保护的拓展 | 第22-24页 |
| ·针对决策树降级的扰动方法—吝啬降级法 | 第24-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于分区思想的扰动隐私保护算法研究 | 第31-37页 |
| ·分区扰动方法概述 | 第31-33页 |
| ·基本概念 | 第31-32页 |
| ·分区扰动算法 | 第32-33页 |
| ·基于分区扰动方法的计算实例 | 第33-35页 |
| ·基于分区的扰动方法风险评估 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 基于关联规则的扰动算法隐私保护研究 | 第37-47页 |
| ·关联规则的概述 | 第37-40页 |
| ·关联规则的相关概念 | 第37-38页 |
| ·针对关联规则的数据挖掘方法实例 | 第38-40页 |
| ·针对关联规则下的两种扰动算法 | 第40-46页 |
| ·基于关联规则下的左手增加支持度法则 | 第42-44页 |
| ·基于关联规则下的右手减少支持度法则 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 结论与展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53页 |