摘要
第一章 绪论
第1节 隐私保护数据发布的背景和意义
第2节 差分隐私的相关工作
第3节 本文的主要工作
第二章 递归机制：实现节点差分隐私与无约束Join
第1节 引言
1．1 动机
1．2 主要贡献
第2节 预备知识
2．1 差分隐私的基本概念
2．2 可用性
2．3 全局敏感度
2．4 局部敏感度与平滑敏感度
2．5 K-关系表与c-表
第3节 问题形式化
3．1 敏感数据库与单调查询
3．2 敏感关系表上的线性查询
第4节 递归机制框架
4．1 基本框架
4．2 一个通用但不高效的实现
第5节 高效的递归机制
5．1 使用松弛法的递归机制
5．2 映射φ
5．3 计算开销
第6节 实验评估
6．1 子图计数
6．2 处理K-关系表
第7节 结论
第三章 子敏感度机制：基于虚拟查询核的线性查询高效处理方法
第1节 引言
1．1 动机
1．2 研究路线
第2节 预备知识
2．1 差分隐私
2．2 关系与查询核
2．3 K-norm机制
第3节 子敏感度机制
3．1 概要
3．2 构造偏核
3．3 构造虚拟查询核
第4节 改进的子敏感度机制
4．1 构造一致的低维柱状图
4．2 在z和低维柱状图之间建立联系
第5节 实验评估
5．1 实验配置
5．2 实验结果与分析
第6节 结论
第四章 后处理技术：通过整合历史查询提高数据可用性
第1节 引言
第2节 符号与预备知识
第3节 主成分分析方法
3．1 Kernel PCA方法
3．2 计算核矩阵
3．3 在偏差和方差间进行权衡
3．4 引入关于数据分布的先验知识
3．5 选取恰当的α
第4节 最大熵方法
4．1 目标函数
4．2 学习最大熵模型
4．3 引入先验分布p0
第5节 实验结果
5．1 整合查询结果和提高精度
5．2 数据发布
第6节 结论
第五章 总结与未来工作
参考文献
攻读博士期间完成的论文
声明
