面向电子病例数据发布的隐私保护算法研究
| 中文摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 中文文摘 | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究内容及意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 k匿名 | 第12-13页 |
| 1.3.2 差分隐私 | 第13-15页 |
| 1.4 论文工作和创新点 | 第15-16页 |
| 1.4.1 论文主要工作 | 第15-16页 |
| 1.4.2 论文的创新点 | 第16页 |
| 1.5 论文组织结构 | 第16-17页 |
| 1.6 本章小结 | 第17-18页 |
| 第二章 基础知识 | 第18-32页 |
| 2.1 电子病历 | 第18-19页 |
| 2.2 k匿名相关理论 | 第19-27页 |
| 2.2.1 相关概念 | 第19-20页 |
| 2.2.2 攻击模型 | 第20-23页 |
| 2.2.3 典型匿名模型 | 第23-27页 |
| 2.3 差分隐私相关理论 | 第27-31页 |
| 2.3.1 差分隐私的定义 | 第27-28页 |
| 2.3.2 实现差分隐私的机制 | 第28-30页 |
| 2.3.3 差分隐私的保护框架 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于KD树的电子病历数据发布算法研究 | 第32-44页 |
| 3.1 问题引出 | 第32-34页 |
| 3.2 基于Wordnet语义相似度的分类树 | 第34-36页 |
| 3.3 基于KD树的电子病历数据发布算法 | 第36-40页 |
| 3.3.1 方案构造 | 第37-38页 |
| 3.3.2 算法实现与分析 | 第38-40页 |
| 3.4 实验结果与分析 | 第40-43页 |
| 3.4.1 实验环境 | 第40-41页 |
| 3.4.2 隐私泄露风险分析 | 第41-42页 |
| 3.4.3 信息损失 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于k匿名的差分隐私电子病历数据发布研究 | 第44-58页 |
| 4.1 问题引出 | 第44-45页 |
| 4.2 基于k匿名的差分隐私电子病历数据发布算法 | 第45-51页 |
| 4.2.1 聚类泛化算法 | 第46页 |
| 4.2.2 方案构造 | 第46-47页 |
| 4.2.3 基于KD树的聚类匿名算法 | 第47-49页 |
| 4.2.4 差分隐私数据发布算法 | 第49-50页 |
| 4.2.5 算法分析 | 第50-51页 |
| 4.3 实验结果与分析 | 第51-56页 |
| 4.3.1 实验环境 | 第51页 |
| 4.3.2 信息损失评估 | 第51-52页 |
| 4.3.3 实验结果分析 | 第52-56页 |
| 4.4 总结 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 主要工作总结 | 第58-59页 |
| 5.2 进一步研究方向 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 攻读学位期间承担的科研任务与主要成果 | 第66-68页 |
| 致谢 | 第68-70页 |
| 个人简历 | 第70-72页 |
