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

目錄
前言
第一部分 概述
第1章 緒論 3
第2章 基礎知識 5
2.1 隱私保護模型 5
2.1.1 K-匿名隱私保護模型 5
2.1.2 其他匿名隱私保護模型 8
2.2 不確定數(shù)據(jù)模型 10
2.2.1 可能世界模型 10
2.2.2 關系模型 13
2.2.3 流數(shù)據(jù)模型 13
2.2.4 圖數(shù)據(jù)模型 14
2.3 關系模式及范式 14
2.4 查詢 16
2.4.1 范圍查詢 16
2.4.2 Top-k查詢 16
2.4.3 Skyline查詢 19
2.4.4 k-近鄰查詢 19
2.4.5 相似性連接查詢 19
2.5 數(shù)據(jù)挖掘 20
2.5.1 確定數(shù)據(jù)的挖掘方法 20
2.5.2 不確定數(shù)據(jù)的挖掘方法 21
第二部分 K-匿名隱私保護模型中不確定數(shù)據(jù)建模和存儲
第3章 隱私保護模型中不確定數(shù)據(jù)的建模方法 27
3.1 引言 27
3.2 定義及符號 28
3.3 K-匿名表的壓縮 28
3.4 Kattr模型 29
3.5 Ktuple模型 30
3.6 Kupperlower模型 31
3.7 Ktree模型 32
3.8 Kpro-table模型 33
3.9 完備性和封閉性 33
第4章 K-匿名隱私保護模型的存儲方法 36
4.1 引言 36
4.2 基本定義 37
4.3 模型存儲方法 38
第三部分 K-匿名關系的模式設計
第5章 K-匿名關系上的數(shù)據(jù)依賴 43
5.1 擴展函數(shù)依賴 43
5.1.1 引言 43
5.1.2 定義及符號 44
5.1.3 擴展函數(shù)依賴概述 44
5.1.4 擴展函數(shù)公理系統(tǒng) 46
5.2 水平函數(shù)依賴和垂直函數(shù)依賴 49
5.2.1 Tuple-or模型下的水平函數(shù)依賴、垂直函數(shù)依賴 50
5.2.2 Tuple-or模型下的水平函數(shù)依賴、垂直函數(shù)依賴公理系統(tǒng) 52
5.2.3 Attribute-or模型下的水平函數(shù)依賴、垂直函數(shù)依賴 55
5.3 不確定函數(shù)依賴 56
5.3.1 基本定義 57
5.3.2 不確定函數(shù)依賴概述 58
5.3.3 不確定函數(shù)依賴公理系統(tǒng) 59
5.4 局部函數(shù)依賴 60
5.4.1 局部函數(shù)依賴概述 60
5.4.2 局部函數(shù)依賴公理系統(tǒng) 64
第6章 K-匿名關系的規(guī)范化設計 66
6.1 范式檢驗 66
6.1.1 基于不確定函數(shù)依賴的范式檢驗 66
6.1.2 基于局部函數(shù)依賴的范式檢驗 68
6.2 規(guī)范化設計 69
第7章 K-匿名關系的無損分解 72
7.1 相關定義 72
7.2 Attribute-or模型的無損分解 73
7.2.1 依據(jù)水平函數(shù)依賴分解 73
7.2.2 依據(jù)垂直函數(shù)依賴分解 74
7.2.3 水平劃分和無損分解算法 75
7.2.4 分解算法示例 77
7.2.5 含有概率的Attribute-or模型 79
7.3 K-匿名關系的無損分解方法 80
第四部分 K-匿名隱私保護模型中不確定數(shù)據(jù)的查詢處理
第8章 查詢問題定義 85
8.1 基本定義 85
8.2 查詢問題的語義 86
8.3 查詢問題的形式定義 87
第9章 查詢問題的復雜性分析 88
9.1 時間復雜性基礎知識 88
9.1.1 度量復雜性 88
9.1.2 PTIME類 89
9.1.3 NP類 90
9.1.4 NP完全類 91
9.2 成員問題 93
9.3 包含問題 96
9.4 可能性問題 99
9.5 確定性問題 99
第10章 K-匿名數(shù)據(jù)的組織方式 101
10.1 空間的基本概念 101
10.2 K-匿名數(shù)據(jù)向空間數(shù)據(jù)的轉換 101
10.3 空間索引技術 102
第11章 K-匿名數(shù)據(jù)的Top-k查詢 107
11.1 K-匿名數(shù)據(jù)的Top-k查詢分類 107
11.1.1 排序查詢 107
11.1.2 點/范圍查詢 108
11.2 定義與記號 109
11.3 查詢分析 110
11.3.1 排序查詢 110
11.3.2 范圍/點查詢 110
11.3.3 Monte-Carlo積分 111
11.4 基于樹形結構的Top-k查詢算法 111
11.4.1 基礎算法 111
11.4.2 過濾無用信息 113
11.4.3 近似積分計算 113
11.4.4 Top-k排序 114
11.5 基于圖形結構的Top-k查詢算法 115
11.5.1 DiGU-Topk基礎算法 115
11.5.2 DiGU-Topk的優(yōu)化算法 116
11.6 Top-k查詢理論擴展 120
11.6.1 離散型概率分布 120
11.6.2 連續(xù)型概率分布 122
第五部分 K-匿名隱私保護模型中不確定數(shù)據(jù)的挖掘
第12章 關聯(lián)規(guī)則挖掘基礎知識 127
12.1 關聯(lián)規(guī)則挖掘分類 127
12.2 關聯(lián)規(guī)則挖掘相關定義 128
12.3 K-匿名數(shù)據(jù)關聯(lián)規(guī)則挖掘的數(shù)據(jù)模型 130
第13章 基于K-匿名數(shù)據(jù)的K-Apriori關聯(lián)規(guī)則挖掘 131
13.1 不確定數(shù)據(jù)的關聯(lián)規(guī)則挖掘 131
13.2 K-Apriori關聯(lián)規(guī)則挖掘算法 133
第14章 基于泛化樹的關聯(lián)規(guī)則挖掘 136
14.1 K-匿名數(shù)據(jù)世系的相關知識 136
14.1.1 K-匿名數(shù)據(jù)世系的定義 136
14.1.2 K-匿名數(shù)據(jù)世系的應用 137
14.2 K-匿名數(shù)據(jù)泛化樹的構造算法 137
14.3 基于泛化樹的關聯(lián)規(guī)則挖掘算法 141
第15章 基于K-頻繁模式樹的關聯(lián)規(guī)則挖掘 146
15.1 K-匿名數(shù)據(jù)實例 146
15.2 擴展分層聚類 147
15.3 K-頻繁模式樹 148
15.4 K-頻繁模式樹的完整性 151
15.5 基于K-頻繁模式樹的關聯(lián)規(guī)則挖掘算法 152
15.5.1 基于KFP樹的頻繁項集挖掘：KFI-DM 152
15.5.2 關聯(lián)規(guī)則生成算法 155
第16章 K-匿名數(shù)據(jù)的關聯(lián)規(guī)則變粒度查詢 156
16.1 關聯(lián)規(guī)則庫構建 157
16.2 關聯(lián)規(guī)則查詢 159
16.2.1 精確值查詢 160
16.2.2 區(qū)間查詢 161
16.3 粒度轉換的完整性 163
16.4 變粒度查詢算法 164
參考文獻 166