隐私保护数据发布中不确定数据的管理方法

前言

第一部分 隐私保护数据发布和隐私保护模型

第一章 绪论

第二章 隐私保护数据发布

2.1 隐私信息

2.2 数据发布

2.3 隐私泄露

2.4 隐私保护

2.5 数据可用性

2.6 隐私保护数据发布

第三章 隐私保护模型

3.1 κ-匿名隐私保护模型

3.1.1 基本思想

3.1.2 基本概念

3.1.3 匿名操作

3.1.4 κ-匿名隐私保护模型的关键问题

3.1.5 研究现状

3.2 κ-匿名隐私保护模型的扩展模型

3.2.1 ι-多样性（ι-diversity）隐私保护模型

3.2.2 信心限定（confidence bounding）隐私保护模型

3.2.3 （X-Y）匿名隐私保护模型

3.2.4 （X，Y）-隐私（Privacy）模型

3.2.5 （α，κ）-匿名

3.2.6 t-Closeness隐私保护模型

3.2.7 个性化隐私

3.2.8 FF-匿名隐私保护模型

3.3 概率隐私保护模型

3.3.1 δ-存在隐私保护模型

3.3.2 m-机密性隐私保护模型

3.3.3 ε-差异隐私

3.3.4 （d，r）-隐私

3.4 其他隐私保护模型

3.4.1 多样发布

3.4.2 顺序发布

3.4.3 连续发布

第二部分 基于κ-匿名隐私保护模型的数据发布方法

第四章 基于超图的准标识符求解方法

4.1 引言

4.2 基本定义

4.3 视图集向超图的映射方法

4.4 相关视图集的求解

4.5 准标识符的求解

4.5.1 准标识符组成特征

4.5.2 准标识符求解算法

第五章 k值的优化选择方法

5.1 引言

5.2 基本定义

5.3 k值、数据质量、隐私保护关系

5.4 满足隐私保护要求的A取值选择

5.4.1 一个实体对应一条元组

5.4.2 一个实体对应多条元组

5.5 满足数据质量要求的k取值选择

5.6 k值的优化选择算法

第六章 发布数据的匿名化方法

6.1 引言

6.2 基本符号

6.3 匿名数据最佳值的近似求解方法

6.3.1 问题描述

6.3.2 基本定义

6.3.3 准标识符最佳值的求解问题

6.3.4 准标识符最佳值近似求解方法

6.4 基于最大隐私泄露率的匿名化方法

6.4.1 问题描述

6.4.2 基本定义

6.4.3 基于最大隐私泄露率的匿名化方法

6.5 应用聚类分析的匿名化方法

6.5.1 问题描述

6.5.2 基本定义

6.5.3 应用聚类分析的匿名化算法

6.6 基于多敏感属性的匿名化方法

6.6.1 问题描述

6.6.2 基本定义

6.6.3 基于多敏感属性的匿名化方法

6.7 保持数据依赖的匿名化方法

6.7.1 问题描述

6.7.2 基本定义

6.7.3 匿名数据集上的数据依赖

6.7.4 基于κ-MSD的κ-匿名化算法

6.7.5 保持函数依赖或多值依赖的κ-匿名化算法

第七章 κ-匿名数据集的增量更新方法

7.1 引言

7.2 符号及定义

7.2.1 基本符号及定义

7.2.2 更新操作相关符号

7.3 基于类B-树的κ-匿名数据集增量更新方法

7.3.1 类B-树结构

7.3.2 元组到多维空间点的映射方法

7.3.3 类B-树的构建

7.3.4 基于类B-树的κ-匿名数据集增量更新方法

7.4 基于多维桶的κ-匿名数据集增量更新方法

7.4.1 多维桶构造方法及相关操作

7.4.2 基于多维桶的κ-匿名数据集增量更新算法

7.5 基于元组相似性的κ-匿名数据集增量更新方法

7.5.1 插入更新操作

7.5.2 删除更新操作

7.5.3 修改更新操作

7.6 面向视图的κ-匿名数据集增量更新方法

7.6.1 问题描述

7.6.2 视图相关符号及定义

7.6.3 泛化视图相关符号及定义

7.6.4 泛化视图的更新一致性反应

7.6.5 泛化视图的更新一致性算法

第三部分 基于概率隐私保护模型的数据发布方法

第八章 面向静态视图的数据发布方法

8.1 引言

8.2 相关工作

8.3 隐私泄露测量方法

8.3.1 符号及定义

8.3.2 隐私泄露测量方法

8.4 基于关键元组的隐私泄露消除方法

8.4.1 判定关键元组算法

8.4.2 隐私泄露测量算法

8.4.3 基于关键元组的隐私泄露消除算法

第九章 面向动态视图的数据发布方法

9.1 引言

9.2 基本符号和定义

9.3 隐私泄露概率计算

9.3.1 选择条件相同

9.3.2 选择条件有交集

9.3.3 选择条件无交集

9.4 动态视图安全发布

9.4.1 动态视图安全发布方法

9.4.2 视图安全发布算法

9.4.3 算法实例

9.4.4 算法优化

第四部分 基于熵隐私保护模型的数据发布方法

第十章 基于熵隐私保护模型的数据发布方法

10.1 引言

10.2 基本定义

10.3 基于熵的隐私保护模型

10.3.1 熵的定义

10.3.2 发布视图熵

10.3.3 隐私查询熵

10.3.4 隐私查询和发布视图联合熵

10.3.5 基于熵的视图安全判定定理

10.3.6 基于熵的隐私保护模型

10.4 基于熵隐私保护模型的数据发布

10.4.1 布尔查询集

10.4.2 等价二维表

10.4.3 合并规则

10.4.4 基于熵隐私保护模型的数据发布算法

第五部分 抵御多次连接探秘的数据发布方法

第十一章 存在标识属性的多次连接探秘数据发布方法

11.1 基本定义

11.2 最大熵原理

11.3 多次连接视图的安全判定

11.3.1 视图安全判定定理

11.3.2 条件概率求解算法

11.3.3 视图的安全判定算法

11.3.4 实例分析

11.4 抵御多次连接探秘的数据发布算法

第十二章 不存在标识属性的多次连接探秘数据发布方法

12.1 基本定义及定理

12.2 基于准标识符的视图安全判定算法

12.3 多次连接探秘数据发布算法

主要参考文献

《隐私保护数据发布中不确定数据的管理方法：数据发布篇》主要讲述数据发布过程中隐私数据保护的基本理论和基本方法，共分五部分，其中第一部分（第一章至第三章）介绍隐私保护数据发布和隐私保护模型；第二部分（第四章至第七章）介绍基于κ-匿名隐私保护模型的数据发布方法；第三部分（第八章和第九章）介绍基于概率隐私保护模型的数据发布方法；第四部分（第十章）介绍基于熵隐私保护模型的数据发布方法；第五部分（第十一章和第十二章）介绍抵御多次连接探秘的数据发布方法。
　　《隐私保护数据发布中不确定数据的管理方法：数据发布篇》可作为计算机和信息管理专业高年级本科生、研究生数据库安全课程的参考教材或课外读物，同时也适用于科研人员、数据库安全工程技术和管理人员、应用开发人员、对隐私保护数据发布领域感兴趣的人士阅读、参考。