一种引入反馈惩罚机制的个性化数据匿名发布模型
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题背景与意义 | 第8-11页 |
| 1.1.1 课题研究背景 | 第8-10页 |
| 1.1.2 课题研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 论文内容与结构 | 第14-16页 |
| 2 相关理论与技术 | 第16-28页 |
| 2.1 隐私定义及其度量 | 第16-17页 |
| 2.1.1 隐私的定义 | 第16页 |
| 2.1.2 隐私保护的度量 | 第16-17页 |
| 2.2 动态数据集的定义与形态 | 第17-18页 |
| 2.3 隐私保护问题概述 | 第18-21页 |
| 2.3.1 隐私保护的几个基本概念 | 第19-20页 |
| 2.3.2 匿名限制发布的典型手段 | 第20-21页 |
| 2.4 隐私保护的原则与方法 | 第21-25页 |
| 2.4.1 k-anonymity | 第21-22页 |
| 2.4.2 l-diversity | 第22-24页 |
| 2.4.3 t-closeness | 第24页 |
| 2.4.4 m-invariance | 第24-25页 |
| 2.5 基于数据挖掘的隐私保护 | 第25-27页 |
| 2.5.1 数据挖掘与隐私保护的关系 | 第25-26页 |
| 2.5.2 不同隐私保护技术下的数据挖掘分析 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 3 基于博弈论的数据发布隐私保护模型 | 第28-41页 |
| 3.1 博弈论预备知识 | 第28-29页 |
| 3.2 引入反馈惩罚的个性化隐私匿名数据发布模型 | 第29-35页 |
| 3.2.1 问题分析与博弈模型假设 | 第29-30页 |
| 3.2.2 引入反馈惩罚之前的博弈分析 | 第30-32页 |
| 3.2.3 引入反馈惩罚之后的博弈分析 | 第32-35页 |
| 3.3 隐私保护模型工作原理和流程 | 第35-37页 |
| 3.4 模型求解 | 第37-40页 |
| 3.4.1 求混合策略纳什均衡 | 第37-39页 |
| 3.4.2 模型最终判决的给出 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 实验验证与结果分析 | 第41-48页 |
| 4.1 实验条件 | 第41-42页 |
| 4.1.1 实验软硬件环境 | 第41页 |
| 4.1.2 实验所用数据集 | 第41-42页 |
| 4.2 实验设计 | 第42-43页 |
| 4.3 结果分析 | 第43-47页 |
| 4.3.1 数据效用率 | 第44-45页 |
| 4.3.2 模型贡献率 | 第45-46页 |
| 4.3.3 隐私保护度 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 总结与展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 攻读学位期间的研究成果 | 第52-53页 |
| 致谢 | 第53页 |
