差分隐私统据发布 软硬件技术 吴英杰
数据发布中的隐私保护是当前的研究热点，已吸引国际众多研究人员，其中差分隐私是业界广泛认可的严格的隐私保护模型。本书是作者致力于该领域研究的科研成果
￥ 40.4 6.8折 ￥ 59 全新
库存4件
作者吴英杰
出版社清华大学出版社
ISBN9787302524168
出版时间2022-07
版次1
装帧平装
开本16
页数172页
字数264千字
定价59元
货号xhwx_1202686671
上书时间2024-06-22
- 在售商品 暂无
- 平均发货时间 29小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
主编：
"随着数据挖掘和信息共享等应用的出现与发展，如何保护隐私数据和止敏感信息泄露成为当前面临的重大挑战。数据收集与共享发布中的隐私保护问题是来的研究热点，已吸引国际上众多研究人员对其进行深入研究，并提出一系列隐私保护模型及有关算法，其中，差分隐私是目前业界广泛认可的严格的隐私保护模型。然而，目前还未有针对差分隐私领域研究成果的系统结或学术专著。为此，作者对自身及所在研究团队8年来从事该领域研究的成果进行结梳理，形成学术专著。
主要特
(1) 作者及其课题组一直致力于隐私保护数据发布的模型及算法"
目录：
章 基于差分隐私的统据发布概述
1.1 ε-差分隐私模型
1.2 差分隐私的实现机制
1.2.1 lace机制
1.2.2 指数机制
1.3 差分隐私的组合特
1.4 差分隐私数据保护框架
1.5 差分隐私保护方法的能度量
参文献
第2章 面向任意区间树结构的差分隐私直方图发布
2.1 引言
2.2 基础知识与问题提出
2.3 面向任意区间树结构的差分隐私直方图发布迭代算法
2.3.1 k-区间树
2.3.2 局部很优线无偏估计及其算法
2.3.3 基于lblue解全局很优线无偏估计的迭代算法
2.3.4 算法分析
2.3.5 实验结果与分析
2.4 面向任意区间树结构的差分隐私直方图发布线时间算法
2.4.1 差分隐私区间树中节点权值的很优线无偏估计
2.4.2 求解差分隐私区间树节点权值很优线无偏估计的算法
2.4.3 算法复杂度分析
2.4.4 实验结果与分析
2.5 本章小结
参文献
第3章 异方差加噪下的差分隐私直方图发布
3.1 引言
3.2 基础知识与问题提出
3.3 基于区间查询概率的差分隐私直方图发布
3.3.1 问题提出
3.3.2 基于区间查询概率的差分隐私直方图发布算法
3.3.3 实验结果与分析
3.4 异方差加噪下面向任意树结构的差分隐私直方图发布算法
3.4.1 节点覆盖概率计算
3.4.2 节点系数计算及隐私预算分配
3.4.3 算法描述与分析
3.4.4 实验结果与分析
3.4.5 算法运行效率比较
3.5 本章小结
参文献
第4章 差分隐私流数据自适应发布
4.1 引言
4.2 基础知识与问题提出
4.3 基于历史查询的差分隐私流数据自适应发布
4.3.1 滑动窗下的区间树动态构建
4.3.2 节点被覆盖概率计算及隐私预算预分配
4.3.3 基于历史查询的差分隐私流数据发布自适应算法hq_dap
4.3.4 实验结果与分析
4.4 异方差加噪下差分隐私流数据发布一致优化算法
4.4.1 一致约束优化
4.4.2 基于滑动窗的差分隐私流数据一致优化算法
4.4.3 算法分析
4.4.4 实验结果与分析
4.5 本章小结
参文献
第5章 基于矩阵机制的差分隐私连续数据发布
5.1 引言
5.2 基础知识与问题提出
5.3 基于矩阵机制的差分隐私连续数据发布
5.4 隐私连续数据发布算法
5.4.1 策略矩阵的构建
5.4.2 查询均方误差的降低
5.4.3 小误差的快速求解
5.4.4 优化效果分析
5.4.5 实验结果与分析
5.5 本章小结
参文献
第6章 指数衰减模式下的差分隐私连续数据发布
6.1 引言
6.2 基础知识与问题提出
6.3 指数衰减模式下的差分隐私连续数据发布
6.3.1 策略矩阵构造
6.3.2 利用对角矩阵优化发布精度
6.3.3 实验结果与分析
6.4 本章小结
参文献
第7章 基于矩阵机制的差分隐私流数据实时发布
7.1 引言
7.2 基础知识与问题提出
7.3 差分隐私流数据实时发布
7.3.1 树模型构建
7.3.2 利用矩阵机制优化查询精度
7.3.3 算法描述
7.3.4 算法分析
7.3.5 实验结果与分析
7.4 指数衰减模式下的差分隐私流数据发布
7.4.1 算法思想
7.4.2 算法描述
7.4.3 算法分析
7.4.4 实验结果与分析
7.5 基于历史查询的差分隐私流数据实时发布
7.5.1 算法思想
7.5.2 算法描述
7.5.3 实验结果与分析
7.6 本章小结
参文献
第8章 矩阵机制下差分隐私数据发布方法的误差分析
8.1 引言
8.2 基础知识与问题提出
8.3 prievlet算法的误差分析
8.3.1 prievlet差分隐私算法
8.3.2 分析prievlet算法的均方误差
8.3.3 求解prievlet算法的均方误差
8.4 o(log32n)准确度指标
8.5 实验分析
8.5.1 验证固定区间查询误差算法
8.5.2 验证均区间查询误差算法
8.6 本章小结
参文献
内容简介：
本书主要阐述数据统计发布中的差分隐私保护模型及其关键算法。全书共8章，主要内容包括差分隐私基础知识、面向任意区间树结构及其扩展背景（虑区间查询分布和异方差加噪）下的差分隐私直方图发布、面向流/连续数据发布的差分隐私保护、差分隐私数据发布方法的误差分析等。本书主要面向高等学校计算机科学与技术、网络空间安全、管理科学与工程等学科相关专业高年级本科生、以及数据安全隐私保护的研究者。
— 没有更多了 —
以下为对购买帮助不大的评价