| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-36页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 隐私保护概述 | 第13-15页 |
| 1.2.2 隐私保护的主要研究方向 | 第15-16页 |
| 1.2.3 隐私保护技术的分类与性能评价 | 第16-17页 |
| 1.2.4 数据发布中隐私保护研究 | 第17-18页 |
| 1.3 k-匿名概述 | 第18-21页 |
| 1.3.1 k-匿名产生 | 第18-19页 |
| 1.3.2 k-匿名发展 | 第19-21页 |
| 1.4 k-匿名基本原理 | 第21-33页 |
| 1.4.1 k-匿名相关的基本概念 | 第21-23页 |
| 1.4.2 k-匿名模型 | 第23-27页 |
| 1.4.3 k-匿名模型的实现 | 第27-29页 |
| 1.4.4 k-匿名算法分类 | 第29-33页 |
| 1.5 研究内容与论文的组织 | 第33-36页 |
| 1.5.1 研究内容 | 第33-34页 |
| 1.5.2 论文组织结构 | 第34-36页 |
| 第2章 k- 匿名推理攻击 | 第36-50页 |
| 2.1 数据库推理 | 第36-39页 |
| 2.1.1 推理控制 | 第36-38页 |
| 2.1.2 敏感数据 | 第38-39页 |
| 2.2 概率推理 | 第39-47页 |
| 2.2.1 k-匿名隐私推理 | 第39-43页 |
| 2.2.2 隐私推理攻击 | 第43-47页 |
| 2.3 基于 k-匿名推理攻击的防范策略 | 第47-49页 |
| 2.3.1 抗推理能力与数据匿名损失 | 第48页 |
| 2.3.2 隐私推理攻击防范策略 | 第48-49页 |
| 2.4 本章小结 | 第49-50页 |
| 第3章 CBK (L, K )- Anonymity 匿名模型 | 第50-80页 |
| 3.1 问题提出 | 第50-52页 |
| 3.1.1 采用泛化方法的 k-匿名模型 | 第50-51页 |
| 3.1.2 k-匿名算法的局限性 | 第51-52页 |
| 3.2 理论基础 | 第52-66页 |
| 3.2.1 泛化和隐匿 | 第52-56页 |
| 3.2.2 数据发布敏感属性特征 | 第56-61页 |
| 3.2.3 聚类与 k-匿名 | 第61-63页 |
| 3.2.4 距离和信息损失 | 第63-66页 |
| 3.3 CBK (L, K )- Anonymity 匿名模型 | 第66-71页 |
| 3.3.1 CBK (L, K )- Anonymity 模型定义 | 第67-68页 |
| 3.3.2 CBK (L, K )- Anonymity 算法描述 | 第68-71页 |
| 3.3.3 CBK (L,K )- Anonymity 算法复杂度分析 | 第71页 |
| 3.4 CBK (L, K )- Anonymity 实验验证 | 第71-76页 |
| 3.4.1 实验环境与实验数据 | 第71-73页 |
| 3.4 .2 实验结果分析 | 第73-76页 |
| 3.5 多维 CBK (L, K )- Anonymity 匿名算法 | 第76-78页 |
| 3.6 本章小结 | 第78-80页 |
| 第4章 动态数据 k-匿名 | 第80-98页 |
| 4.1 问题提出 | 第80-83页 |
| 4.1.1 增量数据 | 第80-82页 |
| 4.1.2 数据流 | 第82-83页 |
| 4.2 理论基础 | 第83-91页 |
| 4.2.1 增量数据基本概念 | 第83-84页 |
| 4.2.2 数据流基本概念 | 第84-86页 |
| 4.2.3 数据流隐私保护技术 | 第86-87页 |
| 4.2.4 基于 k-匿名流数据的隐私保护 | 第87-90页 |
| 4.2.5 k-匿名流数据的相关概念 | 第90-91页 |
| 4.2.6 信息损失度量 | 第91页 |
| 4.3 流数据 RSLK-Anonymity 匿名模型 | 第91-95页 |
| 4.3.1 RSLK-Anonymity 匿名数据流框架 | 第91-92页 |
| 4.3.2 RSLK-Anonymity 匿名模型定义 | 第92-93页 |
| 4.3.3 RSLK-Anonymity 算法描述 | 第93-95页 |
| 4.4 RSLK-Anonymity 实验验证 | 第95-96页 |
| 4.5 本章小结 | 第96-98页 |
| 第5章 不确定特征数据 k-匿名 | 第98-116页 |
| 5.1 问题提出 | 第98页 |
| 5.2 理论基础 | 第98-102页 |
| 5.2.1 不确定数据概念 | 第98-99页 |
| 5.2.2 不确定性关系矩阵 | 第99-100页 |
| 5.2.3 特化树 | 第100-101页 |
| 5.2.4 分解 | 第101-102页 |
| 5.3 UDK_(attr) （tuple ）-匿名模型 | 第102-105页 |
| 5.3.1 UDK_(attr)-匿名模型 | 第102-104页 |
| 5.3.2 UDK_(tuple)-匿名模型 | 第104-105页 |
| 5.4 UDK_(attr)(UDK_(tuple))-匿名算法 | 第105-109页 |
| 5.4.1 UDK_(attr)(UDK_(tuple))-匿名算法描述 | 第105-107页 |
| 5.4.2 UDK_(attr)(UDK_(tuple))-匿名算法实验验证 | 第107-109页 |
| 5.5 UDA K-匿名模型 | 第109-110页 |
| 5.5.1 UDAK-匿名模型 | 第109-110页 |
| 5.6 UDAK-匿名算法 | 第110-114页 |
| 5.6.1 UDAK-匿名算法描述 | 第110-112页 |
| 5.6.2 UDAK-匿名算法实验验证 | 第112-114页 |
| 5.7 本章小结 | 第114-116页 |
| 结论 | 第116-118页 |
| 参考文献 | 第118-130页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第130-132页 |
| 致谢 | 第132-133页 |
| 个人简历 | 第133页 |
