返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • 全新正版差分隐私统据发布9787302524168清华大学出版社
    • 作者: 吴英杰著著 | 吴英杰著编 | 吴英杰著译 | 吴英杰著绘
    • 出版社: 清华大学出版社
    • 出版时间:2022-07
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    如梦图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品参数
    • 作者: 吴英杰著著| 吴英杰著编| 吴英杰著译| 吴英杰著绘
    • 出版社:清华大学出版社
    • 出版时间:2022-07
    • 版次:1
    • 印次:1
    • 字数:264000
    • 开本:其他
    • ISBN:9787302524168
    • 版权提供:清华大学出版社
    • 作者:吴英杰著
    • 著:吴英杰著
    • 装帧:平装
    • 印次:1
    • 定价:59.00
    • ISBN:9787302524168
    • 出版社:清华大学出版社
    • 开本:其他
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2022-07
    • 页数:0
    • 外部编号:11676953
    • 版次:1
    • 成品尺寸:暂无

    章 基于差分隐私的统据发布概述

    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

    1.4 差分隐私数据保护框架

    1.5 差分隐私保护方法的能度量

    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

    . 面向任意区间树结构的差分隐私直方图发布迭代算法

    ..1 k-区间树

    ..2 局部很优线无偏估计及其算法

    .. 基于LBLUE解全局很优线无偏估计的迭代算法

    ..4 算法分析

    ..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时间算法

    2.4.1 差分隐私区间树中节点权值的很优线无偏估计

    2.4.2 求解差分隐私区间树节点权值很优线无偏估计的算法

    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H_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优化算法

    4.4.1 一致约束优化

    4.4.2 基于滑动窗口的差分隐私流数据一致优化算法

    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 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

    5.5 本章小结

    参考文献

    第6章 指数衰减模式下的差分隐私连续数据发布

    6.1 引言

    6.2 基础知识与问题提出

    6.3 指数衰减模式下的差分隐私连续数据发布

    6.3.1 策略矩阵构造

    6.3.2 利用对角矩阵优化发布精度

    6.3.3 实验结果与分析

    6.4 本章小结

    参考文献

    第7章 基于矩阵机制的差分隐私流数据实时发布

    7.1 引言

    7.2 基础知识与问题提出

    7.3 差分隐私流数据实时发布

    7.3.1 树模型构建

    7.3.2 利用矩阵机制优化查询精度

    7.3.3 算法描述

    7.3.4 算法分析

    7.3.5 实验结果与分析

    7.4 指数衰减模式下的差分隐私流数据发布

    7.4.1 算法思想

    7.4.2 算法描述

    7.4.3 算法分析

    7.4.4 实验结果与分析

    7.5 基于历史查询的差分隐私流数据实时发布

    7.5.1 算法思想

    7.5.2 算法描述

    7.5.3 实验结果与分析

    7.6 本章小结

    参考文献

    第8章 矩阵机制下差分隐私数据发布方法的误差分析

    8.1 引言

    8.2 基础知识与问题提出

    8.3 Prievlet算法的误差分析

    8.3.1 Prievlet差分隐私算法

    8.3.2 分析Prievlet算法的均方误差

    8.3.3 求解Prievlet算法的均方误差

    8.4 O(log32N)准确度指标

    8.5 实验分析

    8.5.1 验固定区间查询误差算法

    8.5.2 验平均区间查询误差算法

    8.6 本章小结

    参考文献

     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月于福州大学计算机科学与技术专业,获士学;2004年3月于福州大学计算机软件与理论专业,获硕士,随后留校任教;201年月获东南大学计算机应用技术博士;2012年7月晋升副教授;2016年6月晋升教授。

    曾担任福州大学精资源共享课程“算法与数据结构”和福建省优质硕士课程“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(2018-2019)。曾获宝钢教师奖、福建青年五四奖章等荣誉和福建省教师、福建省员等称号。

    主要从事数据安全隐私保护、系统与视觉问答等领域的研究。近年来,先后主持及参与2项自然科学项目和5项福建省自然科学项目的研究工作。获得发明专利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。

    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生、以及数据安全隐私保护的研究者。

    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


    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生、以及数据安全隐私保护的研究者。


    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购