隐私保护数据发布中不确定数据的管理方法--数据管理篇 pdf下载

基本信息

• 商品名称：隐私保护数据发布中不确定数据的管理方法--数据管理篇
• 作者：宋金玲//刘国华|责编:魏英杰//赵微微
• 定价：99
• 出版社：科学
• 书号：9787030616357

其他参考信息（以实物为准）

• 出版时间：2020-03-01
• 印刷时间：2020-03-01
• 版次：1
• 印次：1
• 开本：16开
• 包装：平装
• 页数：169
• 字数：227千字

内容提要

本书主要讲述隐私保护数据发布过程中不确定数据的 管理方法，共分五部分，其中 部分为概述，介绍绪论 以及隐私保护模型、不确定数据模型、关系模式及范式、 查询、数据挖掘等基础知识；第二部分介绍K匿名隐私保护 模型中不确定数据的建模和存储；第三部分介绍K匿名关系 的模式设计；第四部分介绍K-匿名隐私保护模型中不确定 数据的查询处理；第五部分介绍K-匿名隐私保护模型中不 确定数据的挖掘。
     本书可作为计算机和信息管理专业高年级本科生、研 究生数据管理课程的参考教材或课外读物，也可用于科研 人员数据库管理人员、对隐私保护数据管理领域感兴趣的 人员研读、参考。
    

目录

前言
部分 概述
第1章 绪论
第2章 基础知识
2.1 隐私保护模型
2.1.1 K-匿名隐私保护模型
2.1.2 其他匿名隐私保护模型
2.2 不确定数据模型
2.2.1 可能世界模型
2.2.2 关系模型
2.2.3 流数据模型
2.2.4 图数据模型
2.3 关系模式及范式
2.4 查询
2.4.1 范围查询
2.4.2 Top-k查询
2.4.3 Skyline查询
2.4.4 k-近邻查询
2.4.5 相似性连接查询
2.5 数据挖掘
2.5.1 确定数据的挖掘方法
2.5.2 不确定数据的挖掘方法
第二部分 K-匿名隐私保护模型中不确定数据建模和存储
第3章 隐私保护模型中不确定数据的建模方法
3.1 引言
3.2 定义及符号
3.3 K-匿名表的压缩
3.4 Kattr模型
3.5 Ktuple模型
3.6 Kupperlower模型
3.7 Ktree模型
3.8 Kpro-table模型
3.9 完备性和封闭性
第4章 K-匿名隐私保护模型的存储方法
4.1 引言
4.2 基本定义
4.3 模型存储方法
第三部分 K-匿名关系的模式设计
第5章 K-匿名关系上的数据依赖
5.1 扩展函数依赖
5.1.1 引言
5.1.2 定义及符号
5.1.3 扩展函数依赖概述
5.1.4 扩展函数公理系统
5.2 水平函数依赖和垂直函数依赖
5.2.1 Tuple-or模型下的水平函数依赖、垂直函数依赖
5.2.2 Tuple-or模型下的水平函数依赖、垂直函数依赖公理系统
5.2.3 Attribute-or模型下的水平函数依赖、垂直函数依赖
5.3 不确定函数依赖
5.3.1 基本定义
5.3.2 不确定函数依赖概述
5.3.3 不确定函数依赖公理系统
5.4 局部函数依赖
5.4.1 局部函数依赖概述
5.4.2 局部函数依赖公理系统
第6章 K-匿名关系的规范化设计
6.1 范式检验
6.1.1 基于不确定函数依赖的范式检验
6.1.2 基于局部函数依赖的范式检验
6.2 规范化设计
第7章 K-匿名关系的无损分解
7.1 相关定义
7.2 Attribute-or模型的无损分解
7.2.1 依据水平函数依赖分解
7.2.2 依据垂直函数依赖分解
7.2.3 水平划分和无损分解算法
7.2.4 分解算法示例
7.2.5 含有概率的Attribute-or模型
7.3 K-匿名关系的无损分解方法
第四部分 K-匿名隐私保护模型中不确定数据的查询处理
第8章 查询问题定义
8.1 基本定义
8.2 查询问题的语义
8.3 查询问题的形式定义
第9章 查询问题的复杂性分析
9.1 时间复杂性基础知识
9.1.1 度量复杂性
9.1.2 PTIME类
9.1.3 NP类
9.1.4 NP 类
9.2 成员问题
9.3 包含问题
9.4 可能性问题
9.5 确定性问题
0章 K-匿名数据的组织方式
10.1 空间的基本概念
10.2 K-匿名数据向空间数据的转换
10.3 空间索引技术
1章 K-匿名数据的Top-k查询
11.1 K-匿名数据的Top-k查询分类
11.1.1 排序查询
11.1.2 点/范围查询
11.2 定义与记号
11.3 查询分析
11.3.1 排序查询
11.3.2 范围/点查询
11.3.3 Monte-Carlo积分
11.4 基于树形结构的Top-k查询算法
11.4.1 基础算法
11.4.2 过滤无用信息
11.4.3 近似积分计算
11.4.4 Top-k排序
11.5 基于图形结构的Top-k查询算法
11.5.1 DiGU-Topk基础算法
11.5.2 DiGU-Topk的优化算法
11.6 Top-k查询理论扩展
11.6.1 离散型概率分布
11.6.2 连续型概率分布
第五部分 K-匿名隐私保护模型中不确定数据的挖掘
2章 关联规则挖掘基础知识
12.1 关联规则挖掘分类
12.2 关联规则挖掘相关定义
12.3 K-匿名数据关联规则挖掘的数据模型
3章 基于K-匿名数据的K-Apriori关联规则挖掘
13.1 不确定数据的关联规则挖掘
13.2 K-Apriori关联规则挖掘算法
4章 基于泛化树的关联规则挖掘
14.1 K-匿名数据世系的相关知识
14.1.1 K-匿名数据世系的定义
14.1.2 K-匿名数据世系的应用
14.2 K-匿名数据泛化树的构造算法
14.3 基于泛化树的关联规则挖掘算法
5章 基于K-频繁模式树的关联规则挖掘
15.1 K-匿名数据实例
15.2 扩展分层聚类
15.3 K-频繁模式树
15.4 K-频繁模式树的完整性
15.5 基于K-频繁模式树的关联规则挖掘算法
15.5.1 基于KFP树的频繁项集挖掘：KFI-DM
15.5.2 关联规则生成算法
6章 K-匿名数据的关联规则变粒度查询
16.1 关联规则库构建
16.2 关联规则查询
16.2.1 值查询
16.2.2 区间查询
16.3 粒度转换的完整性
16.4 变粒度查询算法
参考文献