数据流频繁情节挖掘的差分隐私保护方法研究

目录

第1 章绪论

1.1 研究背景及意义

1.2 研究现状及分析

1.3 本文的主要创新与结构安排

第2 章隐私保护模型以及数据流上频繁情节挖掘概述

2.1 隐私保护模型

2.1.1 基于分组的隐私保护模型

2.1.2 差分隐私保护模型

2.2 数据流模型

2.2.1 窗口模型

2.2.2 滑动窗口模型隐私预算分配方法

2.3 频繁情节挖掘方法

2.3.1 频繁情节的基本概念

2.3.2 数据流中频繁情节挖掘方法

2.4 本章小结

第3 章数据流频繁情节挖掘的差分隐私保护方法

3.1 隐私问题描述

3.2 数据流上每个时间戳的算法总框架

3.3 关键子算法

3.3.1 自适应w-event 隐私机制

3.3.2 基于样本的扰动机制

3.3.3 增量扰动机制

3.3.4 过滤机制

3.4 算法的隐私安全性与时间复杂性分析

3.4.1 隐私安全性分析

3.4.2 时间复杂性分析

3.5 本章小结

第4 章实验与分析

4.1 实验环境设置与数据集简介

4.1.1 实验环境设置

4.1.2 实验数据集

4.2 实验评价指标

4.3 实验结果与分析

4.3.1 参数w 对效用性的影响

4.3.2 参数ε对效用性的影响

4.3.3 增量扰动机制对挖掘时间的影响

4.4 本章小结

第5 章总结与展望

5.1 总结

5.2 展望

参考文献

攻读硕士期间发表的与学位论文有关的论文目录

致谢