中图网

>

计算机理论

差分隐私统计数据发布

作者：吴英杰

出版社：清华大学出版社出版时间：2022-07-01

开本：其他页数： 161

本类榜单：计算机/网络销量榜

中图价:¥40.1(6.8折) 定价 ~~¥59.0~~ 登录后可看到会员价

加入购物车收藏

运费6元，满39元免运费

?新疆、西藏除外

本类五星书更多>

>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥38.8¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥49.3¥69
>
第一行代码Android

第一行代码Android

¥58.4¥99
>
深度学习

深度学习

¥92.4¥168
>
Unreal Engine 4蓝图完全学习教程

Unreal Engine 4蓝图完全学习教程

¥72.2¥168
>
深入理解计算机系统-原书第3版

深入理解计算机系统-原书第3版

¥104.3¥139
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

¥21¥49.9

商品详情
商品评论(0条)

中图价:¥40.1 加入购物车

版权信息
本书特色
内容简介
目录
作者简介

差分隐私统计数据发布版权信息

ISBN：9787302524168
条形码：9787302524168 ; 978-7-302-52416-8
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
计算机理论

差分隐私统计数据发布本书特色

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

差分隐私统计数据发布内容简介

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。

差分隐私统计数据发布目录

第1章基于差分隐私的统计数据发布概述
1．1 ε-差分隐私模型
1．2 差分隐私的实现机制
1．2．1 Laplace机制
1．2．2 指数机制
1．3 差分隐私的组合特性
1．4 差分隐私数据保护框架
1．5 差分隐私保护方法的性能度量
参考文献

第2章面向任意区间树结构的差分隐私直方图发布
2．1 引言
2．2 基础知识与问题提出
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
2．3．1 k-区间树
2．3．2 局部*优线性无偏估计及其算法
2．3．3 基于LBLUE解全局*优线性无偏估计的迭代算法
2．3．4 算法分析
2．3．5 实验结果与分析
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
2．4．1 差分隐私区间树中节点权值的*优线性无偏估计
2．4．2 求解差分隐私区间树节点权值*优线性无偏估计的算法
2．4．3 算法复杂度分析
2．4．4 实验结果与分析
2．5 本章小结
参考文献

第3章异方差加噪下的差分隐私直方图发布
3．1 引言
3．2 基础知识与问题提出
3．3 基于区间查询概率的差分隐私直方图发布
3．3．1 问题提出
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
3．3．3 实验结果与分析
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
3．4．1 节点覆盖概率计算
3．4．2 节点系数计算及隐私预算分配
3．4．3 算法描述与分析
3．4．4 实验结果与分析
3．4．5 算法运行效率比较
3．5 本章小结
参考文献

第4章差分隐私流数据自适应发布
4．1 引言
4．2 基础知识与问题提出
4．3 基于历史查询的差分隐私流数据自适应发布
4．3．1 滑动窗口下的区间树动态构建
4．3．2 节点被覆盖概率计算及隐私预算预分配
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_DPSAP
4．3．4 实验结果与分析
4．4 异方差加噪下差分隐私流数据发布一致性优化算法
4．4．1 一致性约束优化
4．4．2 基于滑动窗口的差分隐私流数据一致性优化算法
4．4．3 算法分析
4．4．4 实验结果与分析
4．5 本章小结
参考文献

第5章基于矩阵机制的差分隐私连续数据发布
5．1 引言
5．2 基础知识与问题提出
5．3 基于矩阵机制的差分隐私连续数据发布
5．4 隐私连续数据发布算法
5．4．1 策略矩阵的构建
5．4．2 查询均方误差的降低
5．4．3 *小误差的快速求解
5．4．4 优化效果分析
5．4．5 实验结果与分析
……
第6章指数衰减模式下的差分隐私连续数据发布
第7章基于矩阵机制的差分隐私流数据实时发布
第8章矩阵机制下差分隐私数据发布方法的误差分析

展开全部

差分隐私统计数据发布作者简介

　　吴英杰，1979年6月出生，福建安溪人，博士，教授。美国宾夕法尼亚州立大学访问学者，2001年7月毕业于福州大学计算机科学与技术专业，获学士学位；2004年3月毕业于福州大学计算机软件与理论专业，获硕士学位，随后留校任教；2012年3月获东南大学计算机应用技术博士学位；2012年7月晋升副教授；2016年6月晋升教授。　　曾担任福州大学国家精品资源共享课程“算法与数据结构”和福建省优质硕士学位课程“算法设计与分析”负责人；作为福州大学ACM国际大学生程序设计竞赛代表队总教炼，带领福州大学代表队9次晋级ACM国际大学生程序设计竞赛全球总决赛；兼任福建省计算机学会秘书长、CCF YOCSEF福州分论坛主席（2018-2019）。曾获宝钢优秀教师奖、福建青年五四奖章等荣誉和福建省优秀教师、福建省优秀共产党员等称号。　　主要从事数据安全隐私保护、推荐系统与视觉问答等领域的研究。近年来，先后主持及参与2项国家自然科学基金项目和5项福建省自然科学基金项目的研究工作。获得国家发明专利3项。主持的教学改革项目获2018年福建省教学成果特等奖。在IEEE Transactions on Mobile Computing、《中国科学》、《软件学报》、Information Processing Letter等国内外重要学术期刊上发表50余篇学术论文。

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐