發(fā)布時(shí)間：2023-06-08 21:08

　　得益于互聯(lián)網(wǎng)和大數(shù)據(jù)等技術(shù)的快速發(fā)展,蘊(yùn)含在社交網(wǎng)絡(luò)中的海量數(shù)據(jù)可以給社會(huì)的生產(chǎn)生活帶來巨大的價(jià)值,但在社交網(wǎng)絡(luò)的數(shù)據(jù)發(fā)布和數(shù)據(jù)挖掘過程中可能會(huì)引發(fā)隱私泄露的問題。因此,如何做到在不泄露社交網(wǎng)絡(luò)隱私信息前提下,進(jìn)行安全有效且有價(jià)值的數(shù)據(jù)發(fā)布和數(shù)據(jù)挖掘是當(dāng)前一個(gè)研究熱點(diǎn)。差分隱私作為一種重要且有效的隱私保護(hù)方法,目前已被應(yīng)用在社交網(wǎng)絡(luò)隱私保護(hù)。本文針對(duì)社交網(wǎng)絡(luò)隱私保護(hù)和差分隱私方法的結(jié)合展開相應(yīng)研究,并做了如下工作:(1)本文介紹了社交網(wǎng)絡(luò)的概念及其特點(diǎn)和差分隱私基本理論,分析了社交網(wǎng)絡(luò)中面臨的隱私泄露問題,說明了社交網(wǎng)絡(luò)的隱私保護(hù)要求,總結(jié)了針對(duì)社交網(wǎng)絡(luò)中的常見的隱私保護(hù)方法,闡明了差分隱私具備的數(shù)據(jù)保護(hù)能力,并回顧了近幾年領(lǐng)域內(nèi)的相關(guān)學(xué)術(shù)成果。(2)針對(duì)社交網(wǎng)絡(luò)數(shù)據(jù)在直方圖發(fā)布過程中存在的隱私泄漏和查詢精度低問題,本文基于差分隱私保護(hù)模型,提出了一種相鄰?fù)胺纸M劃分方法(Adjacent Group Bucket Dividing,AGBD)。采用圖映射方法對(duì)社交網(wǎng)絡(luò)進(jìn)行節(jié)點(diǎn)差分隱私處理,同時(shí)針對(duì)映射方法在直方圖發(fā)布過程中存在的引入過量噪聲問題,本文提出的AGBD方法使用貪心策略,并結(jié)...

【文章頁數(shù)】：67 頁

【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 國內(nèi)外研究現(xiàn)狀
        1.2.1 研究現(xiàn)狀
        1.2.2 研究現(xiàn)狀總結(jié)
    1.3 研究?jī)?nèi)容
    1.4 論文結(jié)構(gòu)
第二章 相關(guān)理論
    2.1 社交網(wǎng)絡(luò)
        2.1.1 社交網(wǎng)絡(luò)概念
        2.1.2 社交網(wǎng)絡(luò)結(jié)構(gòu)
        2.1.3 社交網(wǎng)絡(luò)隱私
        2.1.4 社交網(wǎng)絡(luò)攻擊
        2.1.5 社交網(wǎng)絡(luò)隱私保護(hù)技術(shù)
    2.2 差分隱私
        2.2.1 相關(guān)概念
        2.2.2 實(shí)現(xiàn)機(jī)制
        2.2.3 相關(guān)性質(zhì)
        2.2.4 保護(hù)框架
    2.3 本章小結(jié)
第三章 社交網(wǎng)絡(luò)中滿足節(jié)點(diǎn)差分隱私的直方圖發(fā)布方法
    3.1 社交網(wǎng)絡(luò)圖映射處理
        3.1.1 節(jié)點(diǎn)差分隱私
        3.1.2 圖映射
        3.1.3 復(fù)雜度分析
        3.1.4 敏感度分析
    3.2 滿足差分隱私的直方圖發(fā)布方法
        3.2.1 直方圖發(fā)布
        3.2.2 基于差分隱私的相鄰?fù)胺纸M劃分方法
        3.2.3 排列保序
    3.3 實(shí)驗(yàn)分析
        3.3.1 實(shí)驗(yàn)環(huán)境
        3.3.2 實(shí)驗(yàn)數(shù)據(jù)集
        3.3.3 評(píng)價(jià)標(biāo)準(zhǔn)
        3.3.4 實(shí)驗(yàn)結(jié)果和分析
    3.4 本章小結(jié)
第四章 社交網(wǎng)絡(luò)中滿足差分隱私的集成學(xué)習(xí)方法
    4.1 社交網(wǎng)絡(luò)中基于分類任務(wù)的隱私泄露
    4.2 分類算法
        4.2.1 基于差分隱私的分類模型
        4.2.2 分類算法執(zhí)行過程
        4.2.3 決策樹
        4.2.4 集成學(xué)習(xí)
    4.3 滿足差分隱私的集成學(xué)習(xí)方法
        4.3.1 自適應(yīng)增強(qiáng)集成學(xué)習(xí)策略
        4.3.2 噪聲添加機(jī)制
        4.3.3 構(gòu)造個(gè)體分類器
        4.3.4 基于差分隱私的集成學(xué)習(xí)方法
        4.3.5 隱私性分析
    4.4 實(shí)驗(yàn)分析
        4.4.1 實(shí)驗(yàn)環(huán)境
        4.4.2 實(shí)驗(yàn)數(shù)據(jù)集
        4.4.3 評(píng)價(jià)標(biāo)準(zhǔn)
        4.4.4 實(shí)驗(yàn)結(jié)果和分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
致謝
參考文獻(xiàn)
作者簡(jiǎn)介及攻讀碩士期間的學(xué)術(shù)成果



本文編號(hào)：3832499