面向云边融合计算的差分隐私保护机制研究与系统构建

目录

声明

专用术语注释表

第一章绪论

1.1课题背景与研究意义

1.2本文的研究内容

1.4本章小结

第二章预备知识与研究现状

2.1.1 体系结构

2.1.2 应用场景

2.1.3 安全和隐私问题

2.2中心化差分隐私

2.2.1 相关定义

2.2.2 实现机制

2.2.3 差分隐私组合性质

2.3本地化差分隐私

2.3.1 相关定义

2.3.2 实现机制

2.4差分隐私聚类

2.5本地化差分隐私估计与收集机制

2.5.1 频率估计

2.5.2 均值估计

2.5.3 键值对数据收集

2.6本章小结

第三章基于等差隐私预算分配的隐私保护聚类方法

3.1.1 差分隐私 k-means算法

3.1.2 传统隐私预算分配方法

3.2算法描述

3.2.1 等差隐私预算分配法

3.2.2 等差预算 APDPk-means 聚类算法

3.2.3 安全性分析

3.3实验验证与性能分析

3.3.1 实验环境

3.3.2 实验数据集

3.3.3 实验性能指标

3.3.4 实验结果与分析

3.4本章小结

第四章多层本地差分隐私键值对数据收集方法

4.1.2 问题定义

4.2方法描述

4.2.1 框架概述

4.2.2 划分用户

4.2.3 降维阶段

4.2.4 填充长度估计阶段

4.2.5 结果估计阶段

4.2.6 安全性分析

4.3实验验证与性能分析

4.3.1 实验环境及实验设置

4.3.2 实验数据集

4.3.3 实验性能指标

4.3.4 合成数据集实验结果与分析

4.3.5 真实数据集实验结果与分析

4.3.6 其他实验与分析

4.4本章小结

第五章系统设计与构建

5.2功能详细设计

5.2.1 用户端

5.2.2 服务器端

5.3系统展示

5.3.1 本地差分隐私数据收集模块

5.3.2 差分隐私聚类模块

5.4本章小结

第六章总结与展望

6.2展望

参考文献

附录1 攻读硕士学位期间申请的专利

附录2 攻读硕士学位期间撰写的论文

附录3 攻读硕士学位期间参加的科研项目

附录4 攻读硕士学位期间获得的奖项

致谢