隱私保護(hù)數(shù)據(jù)發(fā)布中不確定數(shù)據(jù)的管理方法：數(shù)據(jù)發(fā)布篇

前言
第一部分 隱私保護(hù)數(shù)據(jù)發(fā)布和隱私保護(hù)模型
第一章 緒論
第二章 隱私保護(hù)數(shù)據(jù)發(fā)布
2.1 隱私信息
2.2 數(shù)據(jù)發(fā)布
2.3 隱私泄露
2.4 隱私保護(hù)
2.5 數(shù)據(jù)可用性
2.6 隱私保護(hù)數(shù)據(jù)發(fā)布
第三章 隱私保護(hù)模型
3.1 κ-匿名隱私保護(hù)模型
3.1.1 基本思想
3.1.2 基本概念
3.1.3 匿名操作
3.1.4 κ-匿名隱私保護(hù)模型的關(guān)鍵問(wèn)題
3.1.5 研究現(xiàn)狀
3.2 κ-匿名隱私保護(hù)模型的擴(kuò)展模型
3.2.1 ι-多樣性（ι-diversity）隱私保護(hù)模型
3.2.2 信心限定（confidence bounding）隱私保護(hù)模型
3.2.3 （X-Y）匿名隱私保護(hù)模型
3.2.4 （X，Y）-隱私（Privacy）模型
3.2.5 （α，κ）-匿名
3.2.6 t-Closeness隱私保護(hù)模型
3.2.7 個(gè)性化隱私
3.2.8 FF-匿名隱私保護(hù)模型
3.3 概率隱私保護(hù)模型
3.3.1 δ-存在隱私保護(hù)模型
3.3.2 m-機(jī)密性隱私保護(hù)模型
3.3.3 ε-差異隱私
3.3.4 （d，r）-隱私
3.4 其他隱私保護(hù)模型
3.4.1 多樣發(fā)布
3.4.2 順序發(fā)布
3.4.3 連續(xù)發(fā)布
第二部分 基于κ-匿名隱私保護(hù)模型的數(shù)據(jù)發(fā)布方法
第四章 基于超圖的準(zhǔn)標(biāo)識(shí)符求解方法
4.1 引言
4.2 基本定義
4.3 視圖集向超圖的映射方法
4.4 相關(guān)視圖集的求解
4.5 準(zhǔn)標(biāo)識(shí)符的求解
4.5.1 準(zhǔn)標(biāo)識(shí)符組成特征
4.5.2 準(zhǔn)標(biāo)識(shí)符求解算法
第五章 k值的優(yōu)化選擇方法
5.1 引言
5.2 基本定義
5.3 k值、數(shù)據(jù)質(zhì)量、隱私保護(hù)關(guān)系
5.4 滿足隱私保護(hù)要求的A取值選擇
5.4.1 一個(gè)實(shí)體對(duì)應(yīng)一條元組
5.4.2 一個(gè)實(shí)體對(duì)應(yīng)多條元組
5.5 滿足數(shù)據(jù)質(zhì)量要求的k取值選擇
5.6 k值的優(yōu)化選擇算法
第六章 發(fā)布數(shù)據(jù)的匿名化方法
6.1 引言
6.2 基本符號(hào)
6.3 匿名數(shù)據(jù)最佳值的近似求解方法
6.3.1 問(wèn)題描述
6.3.2 基本定義
6.3.3 準(zhǔn)標(biāo)識(shí)符最佳值的求解問(wèn)題
6.3.4 準(zhǔn)標(biāo)識(shí)符最佳值近似求解方法
6.4 基于最大隱私泄露率的匿名化方法
6.4.1 問(wèn)題描述
6.4.2 基本定義
6.4.3 基于最大隱私泄露率的匿名化方法
6.5 應(yīng)用聚類分析的匿名化方法
6.5.1 問(wèn)題描述
6.5.2 基本定義
6.5.3 應(yīng)用聚類分析的匿名化算法
6.6 基于多敏感屬性的匿名化方法
6.6.1 問(wèn)題描述
6.6.2 基本定義
6.6.3 基于多敏感屬性的匿名化方法
6.7 保持?jǐn)?shù)據(jù)依賴的匿名化方法
6.7.1 問(wèn)題描述
6.7.2 基本定義
6.7.3 匿名數(shù)據(jù)集上的數(shù)據(jù)依賴
6.7.4 基于κ-MSD的κ-匿名化算法
6.7.5 保持函數(shù)依賴或多值依賴的κ-匿名化算法
第七章 κ-匿名數(shù)據(jù)集的增量更新方法
7.1 引言
7.2 符號(hào)及定義
7.2.1 基本符號(hào)及定義
7.2.2 更新操作相關(guān)符號(hào)
7.3 基于類B-樹的κ-匿名數(shù)據(jù)集增量更新方法
7.3.1 類B-樹結(jié)構(gòu)
7.3.2 元組到多維空間點(diǎn)的映射方法
7.3.3 類B-樹的構(gòu)建
7.3.4 基于類B-樹的κ-匿名數(shù)據(jù)集增量更新方法
7.4 基于多維桶的κ-匿名數(shù)據(jù)集增量更新方法
7.4.1 多維桶構(gòu)造方法及相關(guān)操作
7.4.2 基于多維桶的κ-匿名數(shù)據(jù)集增量更新算法
7.5 基于元組相似性的κ-匿名數(shù)據(jù)集增量更新方法
7.5.1 插入更新操作
7.5.2 刪除更新操作
7.5.3 修改更新操作
7.6 面向視圖的κ-匿名數(shù)據(jù)集增量更新方法
7.6.1 問(wèn)題描述
7.6.2 視圖相關(guān)符號(hào)及定義
7.6.3 泛化視圖相關(guān)符號(hào)及定義
7.6.4 泛化視圖的更新一致性反應(yīng)
7.6.5 泛化視圖的更新一致性算法
第三部分 基于概率隱私保護(hù)模型的數(shù)據(jù)發(fā)布方法
第八章 面向靜態(tài)視圖的數(shù)據(jù)發(fā)布方法
8.1 引言
8.2 相關(guān)工作
8.3 隱私泄露測(cè)量方法
8.3.1 符號(hào)及定義
8.3.2 隱私泄露測(cè)量方法
8.4 基于關(guān)鍵元組的隱私泄露消除方法
8.4.1 判定關(guān)鍵元組算法
8.4.2 隱私泄露測(cè)量算法
8.4.3 基于關(guān)鍵元組的隱私泄露消除算法
第九章 面向動(dòng)態(tài)視圖的數(shù)據(jù)發(fā)布方法
9.1 引言
9.2 基本符號(hào)和定義
9.3 隱私泄露概率計(jì)算
9.3.1 選擇條件相同
9.3.2 選擇條件有交集
9.3.3 選擇條件無(wú)交集
9.4 動(dòng)態(tài)視圖安全發(fā)布
9.4.1 動(dòng)態(tài)視圖安全發(fā)布方法
9.4.2 視圖安全發(fā)布算法
9.4.3 算法實(shí)例
9.4.4 算法優(yōu)化
第四部分 基于熵隱私保護(hù)模型的數(shù)據(jù)發(fā)布方法
第十章 基于熵隱私保護(hù)模型的數(shù)據(jù)發(fā)布方法
10.1 引言
10.2 基本定義
10.3 基于熵的隱私保護(hù)模型
10.3.1 熵的定義
10.3.2 發(fā)布視圖熵
10.3.3 隱私查詢熵
10.3.4 隱私查詢和發(fā)布視圖聯(lián)合熵
10.3.5 基于熵的視圖安全判定定理
10.3.6 基于熵的隱私保護(hù)模型
10.4 基于熵隱私保護(hù)模型的數(shù)據(jù)發(fā)布
10.4.1 布爾查詢集
10.4.2 等價(jià)二維表
10.4.3 合并規(guī)則
10.4.4 基于熵隱私保護(hù)模型的數(shù)據(jù)發(fā)布算法
第五部分 抵御多次連接探秘的數(shù)據(jù)發(fā)布方法
第十一章 存在標(biāo)識(shí)屬性的多次連接探秘?cái)?shù)據(jù)發(fā)布方法
11.1 基本定義
11.2 最大熵原理
11.3 多次連接視圖的安全判定
11.3.1 視圖安全判定定理
11.3.2 條件概率求解算法
11.3.3 視圖的安全判定算法
11.3.4 實(shí)例分析
11.4 抵御多次連接探秘的數(shù)據(jù)發(fā)布算法
第十二章 不存在標(biāo)識(shí)屬性的多次連接探秘?cái)?shù)據(jù)發(fā)布方法
12.1 基本定義及定理
12.2 基于準(zhǔn)標(biāo)識(shí)符的視圖安全判定算法
12.3 多次連接探秘?cái)?shù)據(jù)發(fā)布算法
主要參考文獻(xiàn)