新書推薦：
《
冯友兰和青年谈心系列：不是问题的问题（哲学大师冯友兰和年轻人谈心，命运解读）
》
售價：NT$
254.0
《
月与蟹（青鲤文库）荣获第144届直木奖，天才推理作家经典作品全新译本。一部青春狂想曲，带你登上心理悬疑之巅。
》
售價：NT$
230.0
《
索恩丛书·盛清统治下的太监与皇帝
》
售價：NT$
403.0
《
透过器物看历史（全6册）
》
售價：NT$
2234.0
《
我在台北故宫博物院读名画
》
售價：NT$
500.0
《
尼罗河往事：古埃及文明4000年
》
售價：NT$
347.0
《
一个人·谁也不是·十万人（诺贝尔文学奖得主反思自我的巅峰之作）
》
售價：NT$
250.0
《
重写晚明史（全5册 精装）
》
售價：NT$
3560.0
|
| 編輯推薦： |
随着数据挖掘和信息共享等应用的出现与发展，如何保护隐私数据和防止敏感信息泄露成为当前面临的重大挑战。数据收集与共享发布中的隐私保护问题是近年来的研究热点，已吸引国际上众多研究人员对其进行深入研究，并提出一系列隐私保护模型及有关算法，其中，差分隐私是目前业界广泛认可的严格的隐私保护模型。然而，目前还未有针对差分隐私领域研究成果的系统总结或学术专著。为此，作者对自身及所在研究团队8年来从事该领域研究的成果进行总结梳理，形成学术专著。
主要特色
(1) 作者及其课题组一直致力于隐私保护数据发布的模型及算法
|
| 內容簡介： |
|
本书主要阐述数据统计发布中的差分隐私保护模型及其关键算法。全书共8章，主要内容包括差分隐私基础知识、面向任意区间树结构及其扩展背景（考虑区间计数查询分布和异方差加噪）下的差分隐私直方图发布、面向流/连续数据发布的差分隐私保护、差分隐私数据发布方法的误差分析等。 本书主要面向高等学校计算机科学与技术、网络空间安全、管理科学与工程等学科相关专业高年级本科生、研究生以及数据安全隐私保护的研究者。
|
| 目錄：
|
第1章基于差分隐私的统计数据发布概述1
1.1ε差分隐私模型1
1.2差分隐私的实现机制2
1.2.1Laplace机制3
1.2.2指数机制4
1.3差分隐私的组合特性4
1.4差分隐私数据保护框架4
1.5差分隐私保护方法的性能度量5
参考文献6
第2章面向任意区间树结构的差分隐私直方图发布8
2.1引言8
2.2基础知识与问题提出9
2.3面向任意区间树结构的差分隐私直方图发布迭代算法10
2.3.1k区间树10
2.3.2局部最优线性无偏估计及其算法12
2.3.3基于LBLUE解全局最优线性无偏估计的迭代算法13
2.3.4算法分析14
2.3.5实验结果与分析18
2.4面向任意区间树结构的差分隐私直方图发布线性时间算法21
2.4.1差分隐私区间树中节点权值的最优线性无偏估计21
2.4.2求解差分隐私区间树节点权值最优线性无偏估计的算法22
2.4.3算法复杂度分析24
2.4.4实验结果与分析24
2.5本章小结26
参考文献27
第3章异方差加噪下的差分隐私直方图发布28
3.1引言28
3.2基础知识与问题提出28
3.3基于区间查询概率的差分隐私直方图发布29
3.3.1问题提出29
3.3.2基于区间计数查询概率的差分隐私直方图发布算法31
3.3.3实验结果与分析35
3.4异方差加噪下面向任意树结构的差分隐私直方图发布算法38
3.4.1节点覆盖概率计算38
3.4.2节点系数计算及隐私预算分配38
3.4.3算法描述与分析42
3.4.4实验结果与分析47
3.4.5算法运行效率比较49
3.5本章小结50
参考文献51
第4章差分隐私流数据自适应发布52
4.1引言52
4.2基础知识与问题提出53
4.3基于历史查询的差分隐私流数据自适应发布55
4.3.1滑动窗口下的区间树动态构建55
4.3.2节点被覆盖概率计算及隐私预算预分配57
4.3.3基于历史查询的差分隐私流数据发布自适应算法HQ_DPSAP60
4.3.4实验结果与分析63
4.4异方差加噪下差分隐私流数据发布一致性优化算法68
4.4.1一致性约束优化68
4.4.2基于滑动窗口的差分隐私流数据一致性优化算法72
4.4.3算法分析73
4.4.4实验结果与分析73
4.5本章小结78
参考文献78
第5章基于矩阵机制的差分隐私连续数据发布80
5.1引言80
5.2基础知识与问题提出81
5.3基于矩阵机制的差分隐私连续数据发布82
5.4隐私连续数据发布算法83
5.4.1策略矩阵的构建83
5.4.2查询均方误差的降低86
5.4.3最小误差的快速求解87
5.4.4优化效果分析91
5.4.5实验结果与分析92
5.5本章小结95
参考文献95
第6章指数衰减模式下的差分隐私连续数据发布97
6.1引言97
6.2基础知识与问题提出98
6.3指数衰减模式下的差分隐私连续数据发布99
6.3.1策略矩阵构造99
6.3.2利用对角矩阵优化发布精度102
6.3.3实验结果与分析106
6.4本章小结111
参考文献111
第7章基于矩阵机制的差分隐私流数据实时发布113
7.1引言113
7.2基础知识与问题提出113
7.3差分隐私流数据实时发布115
7.3.1树模型构建 115
7.3.2利用矩阵机制优化查询精度118
7.3.3算法描述119
7.3.4算法分析121
7.3.5实验结果与分析121
7.4指数衰减模式下的差分隐私流数据发布125
7.4.1算法思想126
7.4.2算法描述127
7.4.3算法分析129
7.4.4实验结果与分析129
7.5基于历史查询的差分隐私流数据实时发布135
7.5.1算法思想136
7.5.2算法描述138
7.5.3实验结果与分析139
7.6本章小结143
参考文献143
第8章矩阵机制下差分隐私数据发布方法的误差分析145
8.1引言145
8.2基础知识与问题提出146
8.3Prievlet算法的误差分析147
8.3.1Prievlet差分隐私算法147
8.3.2分析Prievlet算法的均方误差148
8.3.3求解Prievlet算法的均方误差151
8.4O(log32N)精确度指标156
8.5实验分析157
8.5.1验证固定区间查询误差算法 157
8.5.2验证平均区间查询误差算法158
8.6本章小结160
参考文献160
|
| 內容試閱：
|
随着数据挖掘和信息共享等数据库应用的出现与发展，如何保护隐私数据和防止敏感信息泄露成为当前面临的重大挑战。作为数据挖掘与信息共享应用中的重要环节，数据发布中的隐私保护已成为当前的研究热点。隐私保护数据发布自提出以来，已吸引国内外众多学者、数据管理人员以及工程科技人员对其展开研究，并取得了大量的研究成果。
近十年来，作者及其课题组一直致力于隐私保护数据发布的模型及算法研究，在多年研究积累的基础上撰写了本书。本书主要阐述以差分隐私模型为基础的统计数据发布，其主要内容是作者主持的国家自然科学基金项目和福建省自然科学基金项目的研究成果，并融合了课题组近年来在国内外重要学术期刊和学术会议上发表的研究成果。
全书共8章。第1章概述差分隐私模型的相关基础知识。第2～4章论述基于区间树结构的静态数据发布及流数据发布。其中，第2章论述面向任意区间树结构的差分隐私直方图数据发布方法；第3章介绍从调整树结构和添加异方差噪声的角度优化基于树结构的差分隐私直方图数据发布，以进一步提高发布直方图数据的查询精度的方法；第4章介绍面向流数据发布背景，通过异方差加噪与一致性约束优化基于树结构的差分隐私流数据发布的方法。第5～7章论述基于矩阵机制的静态数据发布与流数据发布方法。其中，第5章阐述基于矩阵机制的差分隐私连续数据发布方法；第6章阐述指数衰减模式下的连续数据发布方法；第7章介绍面向流数据发布背景，基于矩阵机制与滑动窗口优化流数据发布的算法效率与发布精度的方法。第8章介绍基于矩阵机制提出的一种面向差分隐私数据发布的误差分析方法。
在撰写本书过程中，作者得到国内外许多专家的支持和帮助，与他们的讨论给了作者许多启发。王晓东教授在百忙之中认真审阅了全书，提出了许多宝贵的改进意见，作者在此表示感谢。同时，感谢课题组参与有关研究工作的王一蕾副教授、傅仰耿博士、孙岚讲师以及张玺霖、陈鸿、黄泗勇、康健、蔡剑平、张立群、葛晨、陈靖麟等硕士生。
本书的相关研究工作得到国家自然科学基金项目“基于线性无偏估计面向任意树结构的差分隐私直方图发布”(No.61300026)、福建省自然科学基金项目“异方差加噪下的差分隐私直方图发布模型及算法研究”(No.2017J01754)和“面向LBS的位置隐私保护与移动轨迹匿名发布模型及算法研究”(No.2014J01230)等的支持。清华大学出版社对本书的出版给予了大力支持，在此一并致谢。
本书可作为高等学校计算机科学与技术、网络空间安全、管理科学与工程等学科相关专业高年级本科生、研究生以及数据安全隐私保护的研究者的参考用书。
差分隐私统计数据发布是一个新兴的多学科交叉研究领域，许多概念和理论尚待探讨，加之作者水平有限，撰写时间仓促，因此书中难免存在疏漏，恳请读者指正。
作者
2021年9月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
