差分隱私理論與實(shí)踐

1 導(dǎo)言
1.1 大數(shù)據(jù)隱私風(fēng)險(xiǎn)
1.2 大數(shù)據(jù)隱私特征及其隱私保護(hù)技術(shù)
2 差分隱私模型
2.1 差分隱私分類及其相應(yīng)定義
2.2 差分隱私的實(shí)現(xiàn)機(jī)制
2.3 差分隱私性質(zhì)及其度量標(biāo)準(zhǔn)
2.4 差分隱私保護(hù)框架
3 差分隱私下數(shù)據(jù)發(fā)布與分析
3.1 差分隱私下數(shù)據(jù)發(fā)布的類別
3.2 差分隱私下數(shù)據(jù)分析的類別
4 差分隱私下靜態(tài)直方圖發(fā)布
4.1 直方圖發(fā)布帶來的隱私風(fēng)險(xiǎn)
4.2 直方圖發(fā)布分組策略
4.3 直方圖發(fā)布誤差度量
4.4 直方圖發(fā)布的系列方法
5 差分隱私下動態(tài)直方圖發(fā)布
5.1 動態(tài)直方圖發(fā)布帶來的隱私風(fēng)險(xiǎn)
5.2 動態(tài)直方圖發(fā)布模型
5.3 動態(tài)直方圖發(fā)布分割策略
5.4 動態(tài)直方圖發(fā)布方法
5.5 動態(tài)直方圖發(fā)布的隱私性分析
5.6 SHP算法的實(shí)驗(yàn)結(jié)果與分析
6 差分隱私下人臉圖像發(fā)布
6.1 人臉圖像發(fā)布帶來的隱私風(fēng)險(xiǎn)
6.2 現(xiàn)有人臉圖像發(fā)布方法的不足
6.3 基于傅里葉變換的人臉圖像發(fā)布算法
6.4 基于矩陣變換的人臉圖像發(fā)布算法
7 差分隱私下集值數(shù)據(jù)發(fā)布與分析
7.1 集值數(shù)據(jù)發(fā)布帶來的問題與挑戰(zhàn)
7.2 基于集值數(shù)據(jù)的頻繁模式挖掘問題與挑戰(zhàn)
8 差分隱私下空間數(shù)據(jù)發(fā)布
8.1 空間數(shù)據(jù)發(fā)布帶來的隱私風(fēng)險(xiǎn)
8.2 現(xiàn)有網(wǎng)格的空間數(shù)據(jù)發(fā)布方法的不足
8.3 基于自適應(yīng)網(wǎng)格的空間數(shù)據(jù)發(fā)布方法
8.4 基于KD-Tree的隱私空間數(shù)據(jù)發(fā)布方法
9 差分隱私下空間范圍查詢
9.1 空間范圍查詢帶來的隱私風(fēng)險(xiǎn)
9.2 現(xiàn)有支持空間范圍查詢方法的不足
9.3 基于本地差分隱私的空間范圍查詢方法
10 差分隱私下空間序列模式挖掘
10.1 空間序列模式挖掘帶來的隱私風(fēng)險(xiǎn)
10.2 現(xiàn)有空間序列模式挖掘方法的不足
10.3 空間序列模式挖掘方法LTPM
11 差分隱私下空間數(shù)據(jù)回歸分析
11.1 現(xiàn)有空間序列模式挖掘方法的不足
11.2 回歸分析
11.3 滿足差分隱私的空間回歸分析方法
12 差分隱私下鍵-值數(shù)據(jù)收集
12.1 鍵-值數(shù)據(jù)收集帶來的隱私風(fēng)險(xiǎn)
12.2 現(xiàn)有鍵-值數(shù)據(jù)收集方法的不足
12.3 基礎(chǔ)知識與問題描述
12.4 收集與分析算法LDPKV
參考文獻(xiàn)