隐私保护数据发布:模型与算法 内容简介

本书主要阐述数据共享发布中的两大主要隐私保护模型及其关键算法。 全书分为两篇，**篇阐述匿名隐私保护数据发布，由第1～9章组成，主要内容涉及匿名隐私保护相关知识、k匿名组规模的上界讨论、关系型数据发布及其扩展背景(数据增量更新和多敏感属性数据发布)下的匿名隐私保护、非关系型数据(包括事务型数据、社会网络数据和轨迹数据)发布中的匿名隐私保护模型及算法、面向LBS应用的位置隐私保护等；第二篇阐述差分隐私保护数据发布，由第10～19章组成，主要内容涉及差分隐私基础知识、基于k叉平均树的差分隐私数据发布、面向任意区间树结构及其扩展背景(考虑区间查询分布和异方差加噪)下的差分隐私直方图发布、面向其他应用背景(流/连续数据发布、稀疏/多维数据发布)的差分隐私保护、差分隐私下的频繁模式挖掘等。 本书主要面向计算机科学、网络空间安全、管理科学与工程等相关学科专业高年级本科生、研究生以及广大研究数据安全隐私保护的科技工作者。

隐私保护数据发布:模型与算法 本书特色

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，已吸引许多学者、数据管理人员以及工程科技人员对其展开研究，并取得大量的研究成果。本书主要阐述数据共享发布中的两大主要隐私保护模型及其关键算法。全书分为2篇，第1篇阐述匿名隐私保护数据发布，由1-9章组成，主要内容涉及：匿名隐私保护相关知识、k-匿名组规模的上界讨论、关系型数据发布及其扩展背景（数据增量更新和多敏感属性数据发布）下的匿名隐私保护、非关系型数据（包括事务型数据、社会网络数据和轨迹数据）发布中的匿名隐私保护模型及算法、面向LBS应用的位置隐私保护等；第2篇阐述差分隐私保护数据发布，由10-19章组成，主要内容涉及：差分隐私基础知识、基于k叉平均树的差分隐私数据发布、面向任意区间树结构及其扩展背景（考虑区间查询分布和异方差加噪）下的差分隐私直方图发布、面向其他应用背景（流/连续数据发布、稀疏/多维数据发布）的差分隐私保护、差分隐私下的频繁模式挖掘等。本书主要面向计算机科学、网络空间安全、管理科学与工程等相关学科专业高年级本科生、研究生以及广大研究数据安全隐私保护的科技工作者。

隐私保护数据发布:模型与算法 目录

隐私保护数据发布:模型与算法 作者简介

吴英杰，1979年6月出生，福建安溪人，博士，副教授，硕士生导师，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月破格晋升副教授并获硕士生导师资格。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”第二负责人，福州大学精品课程“高级语言程序设计”负责人，同时兼任福州大学ACM国际大学生程序设计竞赛代表队总教练，已带领福州大学代表队6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常务理事、教育工作委员会主任委员。曾获“宝钢优秀教师奖”、“福建省优秀共产党员”、“福建青年五四奖章”、“福州大学十佳青年教职工”、“福州大学教学新秀”等称号。主要从事数据安全、数据挖掘与算法设计等方面的研究。近年来，先后主持1项国家自然科学基金项目、2项福建省自然科学基金项目和1项福建省教育厅科技项目的研究工作。已授权国家发明专利2项，主持的教改项目获2014年福建省教学成果一等奖。近期在《软件学报》、《计算机研究与发展》、Journal of Computer Science and Technology、Information Processing Letter、Journal of Discrete Algorithms等国内外重要学术期刊和国际会议上发表30多篇学术论文。