| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 研究现状及分析 | 第11-15页 |
| 1.3 本文的主要创新与结构安排 | 第15-17页 |
| 第2章 数据发布稳私保护方法与问题分析 | 第17-27页 |
| 2.1 隐私和隐私泄露与保护 | 第17-18页 |
| 2.1.1 隐私和隐私泄露 | 第17页 |
| 2.1.2 隐私保护 | 第17-18页 |
| 2.2 数据发布隐私保护策略 | 第18-20页 |
| 2.3 经典的数据发布隐私保护模型及问题分析 | 第20-26页 |
| 2.3.1 K-匿名模型 | 第20-21页 |
| 2.3.2 差分隐私模型 | 第21-25页 |
| 2.3.3 差分隐私模型的问题分析 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于敏感控制的差分隐私保护方法 | 第27-43页 |
| 3.1 复杂关联性数据发布的隐私问题 | 第27-32页 |
| 3.2 基于敏感控制的差分隐私数据发布问题描述 | 第32页 |
| 3.3 基于敏感控制的差分隐私保护模型 | 第32-35页 |
| 3.4 基于敏感度控制的差分隐私保护算法 | 第35-38页 |
| 3.5 结合k-匿名的敏感控制差分隐私保护模型和算法 | 第38-41页 |
| 3.6 算法隐私性与复杂性分析 | 第41页 |
| 3.7 本章小结 | 第41-43页 |
| 第4章 系统设计与实验分析 | 第43-53页 |
| 4.1 系统体系结构 | 第43-44页 |
| 4.2 系统用例图和类图 | 第44-46页 |
| 4.3 实验环境与数据集 | 第46-47页 |
| 4.4 匿名数据信息量的度量方法 | 第47-48页 |
| 4.5 基于敏感控制的差分隐私保护算法的数据效用性分析 | 第48-49页 |
| 4.6 结合k-匿名的敏感控制差分隐私保护算法实验分析 | 第49-52页 |
| 4.6.1 粒度控制参数对数据效用性的影响分析 | 第49-50页 |
| 4.6.2 数据规模对算法运行时间和数据效用性的影响分析 | 第50-52页 |
| 4.7 本章小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 附录一 拉普拉斯机制产生噪声 | 第59页 |
| 附录二 指数机制选取分裂点 | 第59-61页 |
| 攻读硕士学位期间的研究成果 | 第61-62页 |
| 致谢 | 第62-63页 |
