教育论文网

支持隐私保护的数据挖掘方法研究及实现

论文目录
摘要第1-6页
ABSTRACT第6-10页
第一章 绪论第10-19页
 1.1 研究背景与意义第10-11页
 1.2 国内外研究现状第11-16页
  1.2.1 数据挖掘中差分隐私的研究现状第12-14页
  1.2.2 大数据脱敏技术的研究进展第14-16页
 1.3 研究内容与创新点第16-17页
 1.4 论文结构安排第17-19页
第二章 相关概念及技术第19-28页
 2.1 隐私的概念第19-20页
 2.2 隐私保护技术第20-23页
  2.2.1 差分隐私技术第20-22页
  2.2.2 数据脱敏技术第22-23页
 2.3 数据挖掘方法第23-27页
  2.3.1 生成对抗网络第23-24页
  2.3.2 对抗式深度迁移学习第24-26页
  2.3.3 基于深度迁移学习的命名实体识别第26-27页
 2.4 本章小结第27-28页
第三章 支持自适应差分隐私的生成对抗网络模型第28-50页
 3.1 引言第28-29页
 3.2 相关理论概述第29-30页
  3.2.1 层级相关性传播第29-30页
  3.2.2 差分隐私深度学习模型第30页
 3.3 支持自适应差分隐私的生成对抗网络模型的设计第30-32页
 3.4 支持自适应差分隐私的生成对抗网络模型的实现第32-41页
  3.4.1 差分隐私相关性的计算第33-35页
  3.4.2 自适应差分隐私神经网络的构建第35-38页
  3.4.3 差分隐私损失函数的构造第38-41页
 3.5 支持自适应差分隐私的生成对抗网络模型的性能测试第41-48页
  3.5.1 数据集第41-42页
  3.5.2 性能指标第42-43页
  3.5.3 实验环境第43-44页
  3.5.4 实验结果及分析第44-48页
 3.6 本章小结第48-50页
第四章 支持自适应数据脱敏的命名实体识别模型第50-63页
 4.1 背景介绍第50-51页
 4.2 基础模型介绍第51-53页
  4.2.1 基于Bi-LSTM-CRF的命名实体识别模型第51-53页
  4.2.2 自注意力机制第53页
 4.3 支持自适应数据脱敏的命名实体识别模型的设计第53-55页
 4.4 支持自适应数据脱敏的命名实体识别模型的实现第55-58页
  4.4.1 基于Bi-LSTM的敏感数据特征抽取第55-56页
  4.4.2 基于自注意力机制的敏感词关系计算第56页
  4.4.3 基于CRF的标签预测第56-57页
  4.4.4 基于对抗训练的共享敏感数据特征筛选第57-58页
 4.5 支持自适应数据脱敏的命名实体识别模型的性能测试第58-62页
  4.5.1 数据集第58-59页
  4.5.2 性能指标第59页
  4.5.3 实验环境第59-60页
  4.5.4 实试结果及分析第60-62页
 4.6 本章小结第62-63页
第五章 总结与展望第63-65页
 5.1 研究工作总结第63-64页
 5.2 问题与展望第64-65页
参考文献第65-70页
致谢第70-71页
攻读学位期间发表的学术论文第71页

本篇论文共71页,点击 这进入下载页面

 
 
Copyright(C) All Rights Reserved
客服QQ:304386486
目录由用户 bilyz** 提供,作者删除入口请点击这里