学位专题

封面
声明
中文摘要
英文摘要
目录
第1章绪论
1.1 课题背景及研究意义
1.1.1 课题背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 隐私保护模型研究现状
1.2.2 隐私保护质量度量及风险评估研究现状
1.2.3 协同过滤算法研究现状
1.2.4 需要进一步研究的问题
1.3 课题来源及研究的主要内容
1.3.1 课题来源
1.3.2 课题主要研究内容
1.4 本文组织结构与章节安排
第2章相关背景知识介绍
2.1 匿名化技术
2.1.1 抑制技术
2.1.2 泛化技术
2.2 经典隐私模型
2.2.1 k-匿名模型
2.2.2 l-多样性隐私模型
2.2.3 t-近似性模型
2.3 数据匿名化质量评估模型
2.3.1 Precision模型
2.3.2 NUEntropy模型
2.3.3 Discernibility模型
2.4 数据匿名化风险评估模型
2.4.1 检察官攻击模型
2.4.2 记者攻击模型
2.4.3 营销者攻击模型
2.5 协同过滤算法
2.5.1 基于用户的协同过滤算法
2.5.2 基于项目的协同过滤算法
2.6 相似度计算公式
2.7 本章小结
第3章面向用户满意度的隐私模型混合推荐算法
3.1 场景介绍
3.2 基于用户满意度的匿名化结果评价模型
3.2.1 历史配置方案资源池
3.2.2 效用评估方法
3.2.3 用户满意度
3.3 面向用户满意度的隐私模型混合推荐算法
3.3.1 数据属性特征
3.3.2 基于数据属性特征与用户满意度的协同过滤算法
3.3.3 面向具有一定知识背景的用户的正向推荐过程
3.3.4 面向不具有知识背景的用户的逆向推荐过程
3.4 实验设计与结果分析
3.4.1 实验条件及数据集介绍
3.4.2 实验评价指标
3.4.3 实验步骤
3.4.4 实验结果及分析
3.4.5 实验结论
3.5 本章小结
第4章面向数据价值优化的隐私模型双向推荐算法
4.1 面向数据价值优化的场景
4.2 面向数据价值优化的匿名化结果评价模型
4.3 面向数据价值优化的隐私模型双向推荐算法
4.3.1 改进K-Means聚类优化推荐效率
4.3.2 面向数据价值优化的隐私模型正向推荐过程
4.3.3 面向数据价值优化的隐私模型反向推荐过程
4.4 实验设计与结果分析
4.4.1 实验条件与数据集介绍
4.4.2 实验步骤
4.4.3 实验结果及分析
4.4.4 实验结论
4.4.5 本章小结
第5章数据匿名化计算系统设计与实现
5.1 开发目的和意义
5.2 系统总体设计
5.2.1 系统总体架构
5.2.2 数据库设计
5.2.3 系统总体流程
5.3 系统实现
5.3.1 隐私保护模型推荐实现
5.3.2 匿名化结果评价方法实现
5.4 本章小结
结论
参考文献
攻读硕（博）士学位期间发表的学术论文及获得成果
致谢