摘要
1.绪论
1.1 研究背景
1.2 研究意义
1.3 研究现状
1.3.1 从法律上进行隐私权的保护
1.3.2 从技术上进行隐私保护
1.4 研究内容
1.5 论文的内容安排
2.数据发布隐私保护模型基础
2.1 基本概念
2.2 隐私泄露风险度量
2.3 信息损失量度量方法
2.4 K-匿名隐私保护模型
2.4.1 K-匿名模型的基本概念
2.4.2 K-匿名模型的实现
2.4.3 K-匿名模型的优缺点
2.5 L-多样化模型
2.5.1 L多样化模型的定义
2.5.2 L-多样化模型的实现
2.5.3 L-多样化模型的优缺点
2.6 基于多维桶分组技术的多维敏感属性保护模型
2.7 基于最小选择度优先的多敏感属性L-多样性算法
2.8 面向多维敏感属性的数据发布模型-Rating
2.9 本章小结
3.l-有效性模型
3.1 弱关联规则攻击
3.2 L有效性模型的概念和实现
3.2.1 泛化策略的选择和分析
3.2.2 有效性模型的结构
3.2.3 弱关联规则的挖掘
3.2.4 泛化
3.2.5 调整泛化桶
3.3 本章小结
第四章 面向多维敏感属性数据发布的等概率模型
4.1 面向多维敏感属性的等概率模型的定义与实现
4.1.1 基于贪心算法的等概率模型
4.1.2 剩余元组的处理
4.2 基于回溯法的最优泛化桶组合搜索
4.2.1 算法描述
4.2.2 算法实现
4.3 本章小节
5.实验分析
5.1 执行时间对比
5.2 附加信息损失量实验
5.3 元组隐匿率实验
5.4 本章小结
第6章 总结和展望
参考文献
读硕士期间的研究成果
致谢
声明