隐私保护数据发布中不确定数据的管理方法 数据发布篇【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

隐私保护数据发布中不确定数据的管理方法 数据发布篇PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一部分 隐私保护数据发布和隐私保护模型3

第一章 绪论3

第二章 隐私保护数据发布5

2.1 隐私信息5

2.2 数据发布6

2.3 隐私泄露7

2.4 隐私保护11

2.5 数据可用性11

2.6 隐私保护数据发布12

第三章 隐私保护模型13

3.1 k-匿名隐私保护模型13

3.1.1 基本思想13

3.1.2 基本概念14

3.1.3 匿名操作17

3.1.4 k-匿名隐私保护模型的关键问题18

3.1.5 研究现状20

3.2 k-匿名隐私保护模型的扩展模型21

3.2.1 e-多样性（e-diversity）隐私保护模型21

3.2.2 信心限定（confidence bounding）隐私保护模型21

3.2.3（XY）匿名隐私保护模型22

3.2.4（X， Y）-隐私（Privacy）模型22

3.2.5（α，k）-匿名22

3.2.6 t-Closeness隐私保护模型22

3.2.7 个性化隐私23

3.2.8 FF-匿名隐私保护模型23

3.3 概率隐私保护模型23

3.3.1 δ-存在隐私保护模型23

3.3.2 m-机密性隐私保护模型24

3.3.3 ε-差异隐私24

3.3.4（d，γ）-隐私24

3.4 其他隐私保护模型25

3.4.1 多样发布25

3.4.2 顺序发布25

3.4.3 连续发布26

第二部分 基于k-匿名隐私保护模型的数据发布方法29

第四章 基于超图的准标识符求解方法29

4.1 引言29

4.2 基本定义31

4.3 视图集向超图的映射方法31

4.4 相关视图集的求解34

4.5 准标识符的求解39

4.5.1 准标识符组成特征39

4.5.2 准标识符求解算法40

第五章 k值的优化选择方法42

5.1 引言42

5.2 基本定义43

5.3 k值、数据质量、隐私保护关系44

5.4 满足隐私保护要求的k取值选择46

5.4.1 一个实体对应一条元组47

5.4.2 一个实体对应多条元组48

5.5 满足数据质量要求的k取值选择50

5.6 k值的优化选择算法51

第六章 发布数据的匿名化方法54

6.1 引言54

6.2 基本符号55

6.3 匿名数据最佳值的近似求解方法55

6.3.1 问题描述55

6.3.2 基本定义56

6.3.3 准标识符最佳值的求解问题58

6.3.4 准标识符最佳值近似求解方法59

6.4 基于最大隐私泄露率的匿名化方法63

6.4.1 问题描述63

6.4.2 基本定义63

6.4.3 基于最大隐私泄露率的匿名化方法65

6.5 应用聚类分析的匿名化方法69

6.5.1 问题描述69

6.5.2 基本定义70

6.5.3 应用聚类分析的匿名化算法71

6.6 基于多敏感属性的匿名化方法76

6.6.1 问题描述76

6.6.2 基本定义76

6.6.3 基于多敏感属性的匿名化方法78

6.7 保持数据依赖的匿名化方法83

6.7.1 问题描述83

6.7.2 基本定义85

6.7.3 匿名数据集上的数据依赖86

6.7.4 基于k-MSD的k-匿名化算法90

6.7.5 保持函数依赖或多值依赖的k-匿名化算法94

第七章 k-匿名数据集的增量更新方法101

7.1 引言101

7.2 符号及定义102

7.2.1 基本符号及定义102

7.2.2 更新操作相关符号103

7.3 基于类B-树的k-匿名数据集增量更新方法103

7.3.1 类B-树结构103

7.3.2 元组到多维空间点的映射方法105

7.3.3 类B-树的构建106

7.3.4 基于类B-树的k-匿名数据集增量更新方法107

7.4 基于多维桶的k-匿名数据集增量更新方法114

7.4.1 多维桶构造方法及相关操作114

7.4.2 基于多维桶的k-匿名数据集增量更新算法117

7.5 基于元组相似性的k-匿名数据集增量更新方法120

7.5.1 插入更新操作122

7.5.2 删除更新操作124

7.5.3 修改更新操作126

7.6 面向视图的k-匿名数据集增量更新方法128

7.6.1 问题描述128

7.6.2 视图相关符号及定义130

7.6.3 泛化视图相关符号及定义131

7.6.4 泛化视图的更新一致性反应133

7.6.5 泛化视图的更新一致性算法135

第三部分 基于概率隐私保护模型的数据发布方法145

第八章 面向静态视图的数据发布方法145

8.1 引言145

8.2 相关工作145

8.3 隐私泄露测量方法147

8.3.1 符号及定义147

8.3.2 隐私泄露测量方法148

8.4 基于关键元组的隐私泄露消除方法149

8.4.1 判定关键元组算法150

8.4.2 隐私泄露测量算法151

8.4.3 基于关键元组的隐私泄露消除算法151

第九章 面向动态视图的数据发布方法154

9.1 引言154

9.2 基本符号和定义154

9.3 隐私泄露概率计算159

9.3.1 选择条件相同159

9.3.2 选择条件有交集160

9.3.3 选择条件无交集163

9.4 动态视图安全发布163

9.4.1 动态视图安全发布方法163

9.4.2 视图安全发布算法164

9.4.3 算法实例167

9.4.4 算法优化168

第四部分 基于熵隐私保护模型的数据发布方法173

第十章 基于熵隐私保护模型的数据发布方法173

10.1 引言173

10.2 基本定义173

10.3 基于熵的隐私保护模型174

10.3.1 熵的定义174

10.3.2 发布视图熵175

10.3.3 隐私查询熵175

10.3.4 隐私查询和发布视图联合熵176

10.3.5 基于熵的视图安全判定定理176

10.3.6 基于熵的隐私保护模型177

10.4 基于熵隐私保护模型的数据发布177

10.4.1 布尔查询集177

10.4.2 等价二维表178

10.4.3 合并规则179

10.4.4 基于熵隐私保护模型的数据发布算法180

第五部分 抵御多次连接探秘的数据发布方法185

第十一章 存在标识属性的多次连接探秘数据发布方法185

11.1 基本定义185

11.2 最大熵原理186

11.3 多次连接视图的安全判定187

11.3.1 视图安全判定定理187

11.3.2 条件概率求解算法187

11.3.3 视图的安全判定算法189

11.3.4 实例分析190

11.4 抵御多次连接探秘的数据发布算法192

第十二章 不存在标识属性的多次连接探秘数据发布方法194

12.1 基本定义及定理194

12.2 基于准标识符的视图安全判定算法194

12.3 多次连接探秘数据发布算法197

主要参考文献199