隱私保護(hù)數(shù)據(jù)發(fā)布中不確定數(shù)據(jù)的管理方法：數(shù)據(jù)管理篇

目錄
前言
第一部分 概述
第1章 緒論 3
第2章 基礎(chǔ)知識(shí) 5
2.1 隱私保護(hù)模型 5
2.1.1 K-匿名隱私保護(hù)模型 5
2.1.2 其他匿名隱私保護(hù)模型 8
2.2 不確定數(shù)據(jù)模型 10
2.2.1 可能世界模型 10
2.2.2 關(guān)系模型 13
2.2.3 流數(shù)據(jù)模型 13
2.2.4 圖數(shù)據(jù)模型 14
2.3 關(guān)系模式及范式 14
2.4 查詢 16
2.4.1 范圍查詢 16
2.4.2 Top-k查詢 16
2.4.3 Skyline查詢 19
2.4.4 k-近鄰查詢 19
2.4.5 相似性連接查詢 19
2.5 數(shù)據(jù)挖掘 20
2.5.1 確定數(shù)據(jù)的挖掘方法 20
2.5.2 不確定數(shù)據(jù)的挖掘方法 21
第二部分 K-匿名隱私保護(hù)模型中不確定數(shù)據(jù)建模和存儲(chǔ)
第3章 隱私保護(hù)模型中不確定數(shù)據(jù)的建模方法 27
3.1 引言 27
3.2 定義及符號(hào) 28
3.3 K-匿名表的壓縮 28
3.4 Kattr模型 29
3.5 Ktuple模型 30
3.6 Kupperlower模型 31
3.7 Ktree模型 32
3.8 Kpro-table模型 33
3.9 完備性和封閉性 33
第4章 K-匿名隱私保護(hù)模型的存儲(chǔ)方法 36
4.1 引言 36
4.2 基本定義 37
4.3 模型存儲(chǔ)方法 38
第三部分 K-匿名關(guān)系的模式設(shè)計(jì)
第5章 K-匿名關(guān)系上的數(shù)據(jù)依賴(lài) 43
5.1 擴(kuò)展函數(shù)依賴(lài) 43
5.1.1 引言 43
5.1.2 定義及符號(hào) 44
5.1.3 擴(kuò)展函數(shù)依賴(lài)概述 44
5.1.4 擴(kuò)展函數(shù)公理系統(tǒng) 46
5.2 水平函數(shù)依賴(lài)和垂直函數(shù)依賴(lài) 49
5.2.1 Tuple-or模型下的水平函數(shù)依賴(lài)、垂直函數(shù)依賴(lài) 50
5.2.2 Tuple-or模型下的水平函數(shù)依賴(lài)、垂直函數(shù)依賴(lài)公理系統(tǒng) 52
5.2.3 Attribute-or模型下的水平函數(shù)依賴(lài)、垂直函數(shù)依賴(lài) 55
5.3 不確定函數(shù)依賴(lài) 56
5.3.1 基本定義 57
5.3.2 不確定函數(shù)依賴(lài)概述 58
5.3.3 不確定函數(shù)依賴(lài)公理系統(tǒng) 59
5.4 局部函數(shù)依賴(lài) 60
5.4.1 局部函數(shù)依賴(lài)概述 60
5.4.2 局部函數(shù)依賴(lài)公理系統(tǒng) 64
第6章 K-匿名關(guān)系的規(guī)范化設(shè)計(jì) 66
6.1 范式檢驗(yàn) 66
6.1.1 基于不確定函數(shù)依賴(lài)的范式檢驗(yàn) 66
6.1.2 基于局部函數(shù)依賴(lài)的范式檢驗(yàn) 68
6.2 規(guī)范化設(shè)計(jì) 69
第7章 K-匿名關(guān)系的無(wú)損分解 72
7.1 相關(guān)定義 72
7.2 Attribute-or模型的無(wú)損分解 73
7.2.1 依據(jù)水平函數(shù)依賴(lài)分解 73
7.2.2 依據(jù)垂直函數(shù)依賴(lài)分解 74
7.2.3 水平劃分和無(wú)損分解算法 75
7.2.4 分解算法示例 77
7.2.5 含有概率的Attribute-or模型 79
7.3 K-匿名關(guān)系的無(wú)損分解方法 80
第四部分 K-匿名隱私保護(hù)模型中不確定數(shù)據(jù)的查詢處理
第8章 查詢問(wèn)題定義 85
8.1 基本定義 85
8.2 查詢問(wèn)題的語(yǔ)義 86
8.3 查詢問(wèn)題的形式定義 87
第9章 查詢問(wèn)題的復(fù)雜性分析 88
9.1 時(shí)間復(fù)雜性基礎(chǔ)知識(shí) 88
9.1.1 度量復(fù)雜性 88
9.1.2 PTIME類(lèi) 89
9.1.3 NP類(lèi) 90
9.1.4 NP完全類(lèi) 91
9.2 成員問(wèn)題 93
9.3 包含問(wèn)題 96
9.4 可能性問(wèn)題 99
9.5 確定性問(wèn)題 99
第10章 K-匿名數(shù)據(jù)的組織方式 101
10.1 空間的基本概念 101
10.2 K-匿名數(shù)據(jù)向空間數(shù)據(jù)的轉(zhuǎn)換 101
10.3 空間索引技術(shù) 102
第11章 K-匿名數(shù)據(jù)的Top-k查詢 107
11.1 K-匿名數(shù)據(jù)的Top-k查詢分類(lèi) 107
11.1.1 排序查詢 107
11.1.2 點(diǎn)/范圍查詢 108
11.2 定義與記號(hào) 109
11.3 查詢分析 110
11.3.1 排序查詢 110
11.3.2 范圍/點(diǎn)查詢 110
11.3.3 Monte-Carlo積分 111
11.4 基于樹(shù)形結(jié)構(gòu)的Top-k查詢算法 111
11.4.1 基礎(chǔ)算法 111
11.4.2 過(guò)濾無(wú)用信息 113
11.4.3 近似積分計(jì)算 113
11.4.4 Top-k排序 114
11.5 基于圖形結(jié)構(gòu)的Top-k查詢算法 115
11.5.1 DiGU-Topk基礎(chǔ)算法 115
11.5.2 DiGU-Topk的優(yōu)化算法 116
11.6 Top-k查詢理論擴(kuò)展 120
11.6.1 離散型概率分布 120
11.6.2 連續(xù)型概率分布 122
第五部分 K-匿名隱私保護(hù)模型中不確定數(shù)據(jù)的挖掘
第12章 關(guān)聯(lián)規(guī)則挖掘基礎(chǔ)知識(shí) 127
12.1 關(guān)聯(lián)規(guī)則挖掘分類(lèi) 127
12.2 關(guān)聯(lián)規(guī)則挖掘相關(guān)定義 128
12.3 K-匿名數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘的數(shù)據(jù)模型 130
第13章 基于K-匿名數(shù)據(jù)的K-Apriori關(guān)聯(lián)規(guī)則挖掘 131
13.1 不確定數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘 131
13.2 K-Apriori關(guān)聯(lián)規(guī)則挖掘算法 133
第14章 基于泛化樹(shù)的關(guān)聯(lián)規(guī)則挖掘 136
14.1 K-匿名數(shù)據(jù)世系的相關(guān)知識(shí) 136
14.1.1 K-匿名數(shù)據(jù)世系的定義 136
14.1.2 K-匿名數(shù)據(jù)世系的應(yīng)用 137
14.2 K-匿名數(shù)據(jù)泛化樹(shù)的構(gòu)造算法 137
14.3 基于泛化樹(shù)的關(guān)聯(lián)規(guī)則挖掘算法 141
第15章 基于K-頻繁模式樹(shù)的關(guān)聯(lián)規(guī)則挖掘 146
15.1 K-匿名數(shù)據(jù)實(shí)例 146
15.2 擴(kuò)展分層聚類(lèi) 147
15.3 K-頻繁模式樹(shù) 148
15.4 K-頻繁模式樹(shù)的完整性 151
15.5 基于K-頻繁模式樹(shù)的關(guān)聯(lián)規(guī)則挖掘算法 152
15.5.1 基于KFP樹(shù)的頻繁項(xiàng)集挖掘：KFI-DM 152
15.5.2 關(guān)聯(lián)規(guī)則生成算法 155
第16章 K-匿名數(shù)據(jù)的關(guān)聯(lián)規(guī)則變粒度查詢 156
16.1 關(guān)聯(lián)規(guī)則庫(kù)構(gòu)建 157
16.2 關(guān)聯(lián)規(guī)則查詢 159
16.2.1 精確值查詢 160
16.2.2 區(qū)間查詢 161
16.3 粒度轉(zhuǎn)換的完整性 163
16.4 變粒度查詢算法 164
參考文獻(xiàn) 166