声明
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 论文结构与章节安排
1.4本章小结
第二章 加密相关知识综述
2.1 同态加密技术
2.1.1 同态加密技术简介
2.1.2 同态加密技术过程
2.2 AES加密技术
2.3 本章小结
第三章 机器学习相关知识综述
3.1 机器学习的概念
3.2 机器学习算法研究情况
3.2.1 传统机器学习研究现状
3.2.2 机器学习在大数据环境下的应用
3.3 机器学习的分类
3.4 机器学习的重要算法
3.4.1 决策树算法
3.4.2 贝叶斯算法
3.4.3 超平面分类器算法
3.5 本章小结
第四章 针对加密数据进行机器学习分类的研究与实现
4.1 前言
4.2 符号介绍
4.3 问题描述
4.3.1 系统模型和威胁模型
4.3.2 方案的设计目标
4.4 基于AES加密的决策树分类器
4.4.1 决策树分类器模型
4.4.2 现有的安全决策树分类器方案
4.4.3 改进的安全决策树分类器方案
4.4.4 安全的决策树分类器安全性分析
4.4.5 实验过程和实现
4.4.6 算法性能分析
4.4.7 算法方案对比
4.5 基于同态加密的超平面分类器
4.5.1 超平面分类器模型
4.5.2 内积协议
4.5.3 现有的安全的超平面分类器协议
4.5.4 改进的安全的超平面分类器协议
4.5.5 改进的安全的超平面分类器协议安全性分析
4.5.6 实验过程和实现
4.5.7 算法性能分析
4.5.8 算法方案对比
4.6 基于同态加密的贝叶斯分类器
4.6.1 现有的安全的贝叶斯分类器方案
4.6.2 改进的安全的贝叶斯分类方案
4.6.3 改进的安全贝叶斯分类器安全性分析
4.6.4 实验过程和实现
4.4.5 算法方案对比
4.7 本章小结
第五章总结与展望
5.1 总结
5.2 进一步的工作
参考文献
作者简介及在学期间所取得的科研成果
致谢
吉林大学;