数据集隐私保护技术研究
全新正版 极速发货
￥ 76.9 6.4折 ￥ 120 全新
库存4件
广东广州
认证卖家担保交易快速发货售后保障
作者张晓琳,王永平
出版社科学出版社
ISBN9787030636676
出版时间2020-08
装帧平装
开本其他
定价120元
货号1202171277
上书时间2024-09-04
商品详情
- 品相描述：全新
- 商品描述
-
目录
前言
章 绪论 1
1.1 数据集隐私保护问题的提出 1
1.2 数据集隐私保护的研究现状 2
1.2.1 索引-匿名技术的研究现状 2
1.2.2 静态数据集的研究现状 3
1.2.3 动态数据集的研究现状 4
1.2.4 隐私保护数据挖掘的研究现状 4
1.2.5 社会网络隐私保护的研究现状 4
1.2.6 分布式大规模图处理现状 5
1.3 匿名质量与信息损失度量 6
参考文献 9
第2章 基于R树的k-匿名技术 14
2.1 理论基础 14
2.1.1 k-匿名技术 14
2.1.2 R树的基本原理 16
2.1.3 聚类算法的基本原理 18
2.2 基于R树的k-匿名技术 21
2.2.1 相关定义 21
2.2.2 基于R树的k-匿名算法 23
2.2.3 实验测试和结果分析 31
参考文献 33
第3章 动态数据集隐私保护技术 35
3.1 理论基础 35
3.1.1 隐私泄露 35
3.1.2 隐私保护的控制技术 36
3.1.3 匿名化技术 39
3.2 面向永久敏感属性的动态数据集隐私保护技术 46
3.2.1 相关定义 47
3.2.2 算法核心思想 47
3.2.3 实验测试和结果分析 51
3.3 面向数值敏感属性的动态数据集隐私保护技术 54
3.3.1 相关定义 57
3.3.2 算法核心思想 58
3.3.3 实验结果及分析 61
3.4 面向多敏感属性的动态数据集隐私保护技术 63
3.4.1 相关定义 64
3.4.2 匿名算法 65
3.4.3 实验测试和结果分析 67
3.5 增量数据集下的隐私保护技术 70
3.5.1 相关定义 71
3.5.2 匿名算法 72
3.5.3 实验测试和结果分析 76
参考文献 81
第4章 面向分类挖掘的数据隐私保护技术 84
4.1 理论基础 84
4.1.1 数据挖掘 84
4.1.2 分类数据挖掘 90
4.1.3 隐私保护数据挖掘 94
4.2 基于数据扰动的分类数据挖掘隐私保护技术 101
4.2.1 相关定义 101
4.2.2 数据扰动算法 102
4.2.3 实验测试和结果分析 106
4.3 基于KCNN-SVM分类的数据隐私保护技术 107
4.3.1 相关定义 108
4.3.2 决策树分类算法 108
4.3.3 实验测试和结果分析 113
参考文献 118
第5章 社会网络隐私保护技术 120
5.1 理论基础 120
5.1.1 社会网络及相关知识 120
5.1.2 社会网络的隐私攻击 125
5.1.3 社会网络的隐私保护方法 127
5.2 基于k-同构的社会网络隐私保护研究 132
5.2.1 相关定义 132
5.2.2 k-同构算法 134
5.2.3 实验测试和结果分析 144
5.3 基于(α,k)-匿名的社会网络隐私保护研究 151
5.3.1 相关定义 151
5.3.2 (α,k)-匿名算法 154
5.3.3 实验测试和结果分析 156
参考文献 158
第6章 大规模社会网络隐私保护技术 161
6.1 理论基础 161
6.1.1 Pregel-like系统 161
6.1.2 云环境下社会网络隐私保护技术 165
6.1.3 分布式社会网络隐私保护技术 167
6.2 基于Pregel-like的社会网络隐私保护技术研究 169
6.2.1 相关定义 169
6.2.2 安全分组和标签列表匿名 172
6.2.3 实验测试和结果分析 175
6.3 云环境下基于节点匿名的社会网络隐私保护研究 179
6.3.1 相关定义 179
6.3.2 节点匿名算法 182
6.3.3 实验测试和结果分析 190
6.4 云环境下基于数据扰动的社会网络隐私保护研究 198
6.4.1 相关定义 198
6.4.2 图结构扰动 200
6.4.3 实验测试和结果分析 205
6.5 云环境下基于k-度匿名分布式社会网络隐私保护研究 209
6.5.1 相关定义 209
6.5.2 匿名算法 213
6.5.3 实验测试和结果分析 226
6.6 云环境下基于预测方法的社会网络隐私保护技术研究 234
6.6.1 相关定义 234
6.6.2 预测链接匿名 235
6.6.3 实验测试和结果分析 240
参考文献 245
第7章 个性化社会网络隐私保护技术 247
7.1 基于(θ, k)-匿名模型的个性化隐私保护技术研究 248
7.1.1 相关定义 248
7.1.2 个性化隐私保护匿名发布算法 250
7.1.3 实验测试和结果分析 259
7.2 基于Pregel-like的个性化隐私保护技术研究 264
7.2.1 相关定义 264
7.2.2 基于Pregel-like的个性化安全分组和标签列表匿名 267
7.2.3 实验测试和结果分析 270
7.3 云环境下基于数据扰动的社会网络隐私保护研究 272
7.3.1 相关定义 272
7.3.2 个性化链接关系随机扰动 273
7.3.3 实验测试和结果分析 277
7.4 基于预测链接DP-LP的个性化社会网络隐私保护技术研究 282
7.4.1 相关定义 283
7.4.2 并行构建个性化集合 284
7.4.3 实验测试和结果分析 288
参考文献 292
内容摘要
《数据集隐私保护技术研究》主要研究数据集隐私保护技术，详细介绍作者在数据集隐私保护领域的近期新研究成果。针对k-匿名，提出基于R树的k-匿名算法；针对动态数据集，提出含较为敏感属性、数值敏感属性、多敏感属性、增量数据集下的隐私保护算法；针对分类挖掘，提出基于数据扰动和KCNN-SVM的隐私保护算法；针对社会网络，提出基于k-同构和(α,k)的隐私保护算法；针对大规模社会网络，提出云环境下基于节点匿名、数据扰动、预测方法等的隐私保护算法；很后，提出几种个性化隐私保护算法。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价