差分隐私理论与实践

　　本书涵盖数据隐私风险、差分隐私理论、差分隐私模型、差分隐私实现机制及其相关实践应用等诸多方面，集成了基于差分隐私的静态与动态直方图发布、集值数据发布、空间数据发布及其相关查询、空间序列数据挖掘与回归分析、人脸图像发布与分析、键-值数据收集分析等方面的工作。本书适合对差分隐私研究领域有兴趣的学生、研究人员和相关从业人员阅读参考。

　　张啸剑，工学博士，河南财经政法大学副教授，硕士生导师。2014年毕业于中国人民大学信息学院，获工学博士学位。2018年9月至2019年10月，美国普渡大学访问学者。主要研究方向为数据安全与隐私保护。主持多项与省级自然科学基金项目，在国内外核心期刊发表多篇学术论文。

1 导言
1.1 大数据隐私风险
1.2 大数据隐私特征及其隐私保护技术
2 差分隐私模型
2.1 差分隐私分类及其相应定义
2.2 差分隐私的实现机制
2.3 差分隐私性质及其度量标准
2.4 差分隐私保护框架
3 差分隐私下数据发布与分析
3.1 差分隐私下数据发布的类别
3.2 差分隐私下数据分析的类别
4 差分隐私下静态直方图发布
4.1 直方图发布带来的隐私风险
4.2 直方图发布分组策略
4.3 直方图发布误差度量
4.4 直方图发布的系列方法
5 差分隐私下动态直方图发布
5.1 动态直方图发布带来的隐私风险
5.2 动态直方图发布模型
5.3 动态直方图发布分割策略
5.4 动态直方图发布方法
5.5 动态直方图发布的隐私性分析
5.6 SHP算法的实验结果与分析
6 差分隐私下人脸图像发布
6.1 人脸图像发布带来的隐私风险
6.2 现有人脸图像发布方法的不足
6.3 基于傅里叶变换的人脸图像发布算法
6.4 基于矩阵变换的人脸图像发布算法
7 差分隐私下集值数据发布与分析
7.1 集值数据发布带来的问题与挑战
7.2 基于集值数据的频繁模式挖掘问题与挑战
8 差分隐私下空间数据发布
8.1 空间数据发布带来的隐私风险
8.2 现有网格的空间数据发布方法的不足
8.3 基于自适应网格的空间数据发布方法
8.4 基于KD-Tree的隐私空间数据发布方法
9 差分隐私下空间范围查询
9.1 空间范围查询带来的隐私风险
9.2 现有支持空间范围查询方法的不足
9.3 基于本地差分隐私的空间范围查询方法
10 差分隐私下空间序列模式挖掘
10.1 空间序列模式挖掘带来的隐私风险
10.2 现有空间序列模式挖掘方法的不足
10.3 空间序列模式挖掘方法LTPM
11 差分隐私下空间数据回归分析
11.1 现有空间序列模式挖掘方法的不足
11.2 回归分析
11.3 满足差分隐私的空间回归分析方法
12 差分隐私下键-值数据收集
12.1 键-值数据收集带来的隐私风险
12.2 现有键-值数据收集方法的不足
12.3 基础知识与问题描述
12.4 收集与分析算法LDPKV
参考文献