差分隐私统计数据发布9787302524168

随着数据挖掘和信息共享等数据库应用的出现与发展，如何保护隐私数据和防止敏感信息泄露成为当前面临的重大挑战。作为数据挖掘与信息共享应用中的重要环节，数据发布中的隐私保护已成为当前的研究热点。隐私保护数据发布自提出以来，已吸引国内外众多学者、数据管理人员以及工程科技人员对其展开研究，并取得了大量的研究成果。
近十年来，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研究，在多年研究积累的基础上撰写了本书。本书主要阐述以差分隐私模型为基础的统计数据发布，其主要内容是作者主持的国家自然科学基金项目和福建省自然科学基金项目的研究成果，并融合了课题组近年来在国内外重要学术期刊和学术会议上发表的研究成果。
全书共8章。第1章概述差分隐私模型的相关基础知识。第2～4章论述基于区间树结构的静态数据发布及流数据发布。其中，第2章论述面向任意区间树结构的差分隐私直方图数据发布方法；第3章介绍从调整树结构和添加异方差噪声的角度优化基于树结构的差分隐私直方图数据发布，以进一步提高发布直方图数据的查询精度的方法；第4章介绍面向流数据发布背景，通过异方差加噪与一致性约束优化基于树结构的差分隐私流数据发布的方法。第5～7章论述基于矩阵机制的静态数据发布与流数据发布方法。其中，第5章阐述基于矩阵机制的差分隐私连续数据发布方法；第6章阐述指数衰减模式下的连续数据发布方法；第7章介绍面向流数据发布背景，基于矩阵机制与滑动窗口优化流数据发布的算法效率与发布精度的方法。第8章介绍基于矩阵机制提出的一种面向差分隐私数据发布的误差分析方法。
在撰写本书过程中，作者得到国内外许多专家的支持和帮助，与他们的讨论给了作者许多启发。王晓东教授在百忙之中认真审阅了全书，提出了许多宝贵的改进意见，作者在此表示感谢。同时，感谢课题组参与有关研究工作的王一蕾副教授、傅仰耿博士、孙岚讲师以及张玺霖、陈鸿、黄泗勇、康健、蔡剑平、张立群、葛晨、陈靖麟等硕士生。
本书的相关研究工作得到国家自然科学基金项目“基于线性无偏估计面向任意树结构的差分隐私直方图发布”(No.61300026)、福建省自然科学基金项目“异方差加噪下的差分隐私直方图发布模型及算法研究”(No.2017J01754)和“面向LBS的位置隐私保护与移动轨迹匿名发布模型及算法研究”(No.2014J01230)等的支持。清华大学出版社对本书的出版给予了大力支持，在此一并致谢。
本书可作为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、研究生以及数据安全隐私保护的研究者的参考用书。
差分隐私统计数据发布是一个新兴的多学科交叉研究领域，许多概念和理论尚待探讨，加之作者水平有限，撰写时间仓促，因此书中难免存在疏漏，恳请读者指正。

作者
2021年9月

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（考虑区间计数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、研究生以及数据安全隐私保护的研究者。

　吴英杰，1979年6月出生，福建安溪人，博士，教授。美国宾夕法尼亚州立大学访问学者，2001年7月毕业于福州大学计算机科学与技术专业，获学士学位；2004年3月毕业于福州大学计算机软件与理论专业，获硕士学位，随后留校任教；2012年3月获东南大学计算机应用技术博士学位；2012年7月晋升副教授；2016年6月晋升教授。

 曾担任福州大学国家精品资源共享课程“算法与数据结构”和福建省优质硕士学位课程“算法设计与分析”负责人；作为福州大学ACM国际大学生程序设计竞赛代表队总教炼，带领福州大学代表队9次晋级ACM国际大学生程序设计竞赛全球总决赛；兼任福建省计算机学会秘书长、CCF YOCSEF福州分论坛主席（2018-2019）。曾获宝钢优秀教师奖、福建青年五四奖章等荣誉和福建省优秀教师、福建省优秀共产党员等称号。

 主要从事数据安全隐私保护、推荐系统与视觉问答等领域的研究。近年来，先后主持及参与2项国家自然科学基金项目和5项福建省自然科学基金项目的研究工作。获得国家发明专利3项。主持的教学改革项目获2018年福建省教学成果特等奖。在IEEE Transactions on Mobile Computing、《中国科学》、《软件学报》、Information Processing Letter等国内外重要学术期刊上发表50余篇学术论文。

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防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近年来的研究热点，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总结或学术专著。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总结梳理，形成学术专著。

主要特色

(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