數(shù)據(jù)發(fā)布中的隱私保護(hù)問題是信息安全領(lǐng)域的一個(gè)重要研究方向,如何防止敏感信息泄露已經(jīng)成為現(xiàn)在研究的熱點(diǎn)。高維數(shù)據(jù)由于其數(shù)據(jù)量龐大、關(guān)聯(lián)度高的問題,導(dǎo)致經(jīng)過差分隱私保護(hù)的數(shù)據(jù)效用性較差。出現(xiàn)這種問題的其中一個(gè)原因,是因?yàn)榇蠖鄶?shù)差分隱私保護(hù)算法使用的都是全局敏感度,并沒有注意到實(shí)際數(shù)據(jù)集中不同數(shù)據(jù)添加的噪聲應(yīng)該是不同的。不僅如此,對(duì)高維數(shù)據(jù)進(jìn)行差分隱私保護(hù),一般需要耗費(fèi)很多時(shí)間。因此,如何在保護(hù)數(shù)據(jù)隱私的情況下又能保證數(shù)據(jù)的效用性并且能夠提高算法的運(yùn)行效率,成為基于差分隱私的高維數(shù)據(jù)發(fā)布的主要研究問題。針對(duì)以上兩個(gè)問題,本文提出如下兩種算法:(1)提出了一種基于貝葉斯網(wǎng)絡(luò)的數(shù)據(jù)發(fā)布算法SSPrivBayes(Smooth Sensitivity Privacy Bayes),該算法是對(duì)PrivBayes算法的改進(jìn)算法。為了提升發(fā)布數(shù)據(jù)的效用性,SSPrivBayes算法通過引入平滑敏感度的概念,在實(shí)現(xiàn)差分隱私的同時(shí)減少了噪聲的加入,從而提高了發(fā)布數(shù)據(jù)的效用性。實(shí)驗(yàn)在四個(gè)真實(shí)數(shù)據(jù)集上進(jìn)行,驗(yàn)證了本文提出的算法能夠提高數(shù)據(jù)發(fā)布的效用性。(2)提出了一種可以縮減貝葉斯網(wǎng)絡(luò)搜索空間的算法PBCPC(...

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 研究?jī)?nèi)容
        1.2.1 基于平滑敏感度的隱私數(shù)據(jù)發(fā)布算法
        1.2.2 縮減網(wǎng)絡(luò)空間的貝葉斯網(wǎng)絡(luò)改進(jìn)算法
    1.3 論文結(jié)構(gòu)安排
第二章 研究現(xiàn)狀及相關(guān)理論
    2.1 國(guó)內(nèi)外研究現(xiàn)狀
        2.1.1 差分隱私下高維數(shù)據(jù)發(fā)布的國(guó)內(nèi)外研究現(xiàn)狀
        2.1.2 基于混合搜索算法的結(jié)構(gòu)學(xué)習(xí)方法
    2.2 差分隱私
        2.2.1 差分隱私
        2.2.2 敏感度
        2.2.3 差分隱私的組合性質(zhì)
        2.2.4 差分隱私的實(shí)現(xiàn)機(jī)制
    2.3 貝葉斯網(wǎng)絡(luò)
        2.3.1 貝葉斯網(wǎng)絡(luò)相關(guān)概念
        2.3.2 互信息
    2.4 本章小結(jié)
第三章 基于平滑敏感度的隱私數(shù)據(jù)發(fā)布算法
    3.1 平滑敏感度公式
        3.1.1 貝葉斯網(wǎng)絡(luò)的構(gòu)建
        3.1.2 問題描述
        3.1.3 公式分析
    3.2 高維數(shù)據(jù)發(fā)布算法
        3.2.1 SSPrivBayes算法的偽代碼
        3.2.2 隱私保證與時(shí)間復(fù)雜度分析
    3.3 實(shí)驗(yàn)
        3.3.1 實(shí)驗(yàn)數(shù)據(jù)
        3.3.2 實(shí)驗(yàn)設(shè)備
        3.3.3 實(shí)驗(yàn)評(píng)價(jià)標(biāo)準(zhǔn)
        3.3.4 實(shí)驗(yàn)結(jié)果
    3.4 本章小結(jié)
第四章 縮減網(wǎng)絡(luò)空間的貝葉斯網(wǎng)絡(luò)改進(jìn)算法
    4.1 算法描述
        4.1.1 基于混合搜索算法的貝葉斯結(jié)構(gòu)學(xué)習(xí)方法
        4.1.2 縮減網(wǎng)絡(luò)搜索空間
        4.1.3 PBCPC算法
        4.1.4 時(shí)間復(fù)雜度分析
    4.2 實(shí)驗(yàn)
        4.2.1 不同數(shù)據(jù)量下的時(shí)間性能分析
        4.2.2 不同屬性數(shù)量的時(shí)間性能分析
    4.3 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間學(xué)術(shù)成果



本文編號(hào)：3761984