基于数据发布的隐私保护模型研究

第一章  引言
第二章  文献综述
  第一节  KDTICM理论
  第二节  隐私保护
    一  隐私保护的定义
    二  隐私的度量
  第三节  数据挖掘
    一  知识发现的定义
    二  知识发现的实现过程
    三  数据挖掘技术与方法
    四  数据挖掘研究热点和难点
  第四节  安全多方计算技术
    一  安全多方计算的定义
    二  安全和模型（Secure Sum）
    三  安全积模型（Secure Multiplication）
    四  安全交集模型（Secure Intersection）
    五  安全并集模型（Secure Union）
  第五节  数据匿名化技术
    一  k-匿名化
    二  l-多样化
    三  t-Closeness
  第六节  数据扰动技术
    一  添加噪声技术
    二  随机化回答技术
  第七节  小结
第三章  聚类隐私保护挖掘模型
  第一节  引言
  第二节  前人工作
  第三节  相关定义
    一  分布式数据库
    二  半可信第三方
    三  聚类算法
    四  K-means算法
    五  BIRCH算法
    六  完全同态加密技术
  第四节  模型思想
    一  FHE-DK-MEANS模型
    二  FHE-DBIRCH模型
  第五节  算法
    一  FHE-DK-MEANS算法
    二  FHE-DBIRCH算法
  第六节  实验结果与分析
  第七节  小结
第四章  个性化匿名隐私保护模型
  第一节  引言
  第二节  前人工作
  第三节  相关定义
    一  属性分类
    二  泛化和抑制
    三  K-匿名模型
    四  L-多样模型
    五  t-closeness模型
    六  并行计算
  第四节  个性化（α[s]，l）一多样k-匿名模型
    一  模型思想
    二  算法
    三  实验结果与分析
  第五节  个性化并行（alpha[s]，k）一匿名隐私保护模型
    一  模型思想
    二  算法
    三  实验结果与分析
  第六节  小结
第五章  面向有损连接的隐私保护模型
    第一节  引言
    第二节  前人工作
    第三节  相关定义
    一  背景知识攻击
    二  同质性攻击
    三  分割技术
    四  笛卡尔积
    五  有损分解
  第四节  （α[s]，k）-匿名有损分解模型思想
    一  模型算法
    二  实验结果与分析
  第五节  小结
第六章  结论
参考文献
致谢