目 錄
序
前 言
第1章　緒論 1
1.1　研究背景 1
1.1.1　數(shù)據(jù)分析的價值 1
1.1.2　隱私安全問題 2
1.2　國內外研究現(xiàn)狀 3
1.3　存在的問題 3
1.4　本書章節(jié)安排 4
第2章　基本概念 5
2.1　Spark大數(shù)據(jù)平臺 5
2.1.1　Spark簡介 5
2.1.2　Spark運行模型 5
2.1.3　Spark生態(tài)圈 8
2.2　機器學習 8
2.2.1　基本概念 8
2.2.2　機器學習算法 10
2.2.3　模型評估方法 11
2.2.4　Spark機器學習類庫 12
2.3　復雜網(wǎng)絡 12
2.3.1　復雜網(wǎng)絡分類 12
2.3.2　復雜網(wǎng)絡特性 13
2.3.3　Spark GraphX的圖計算框架 16
2.4　隱私設計方法 18
2.4.1　隱私增強方法存在的問題 18
2.4.2　隱私設計方法的出現(xiàn)與發(fā)展 19
2.4.3　隱私設計方法的原則1：端到端的生命周期保護 21
2.4.4　隱私設計方法的原則2：全功能 22
2.4.5　典型應用 22
第3章　移動性模式網(wǎng)絡構建方法 23
3.1　基于序列模式挖掘的移動性模式網(wǎng)絡構建方法 24
3.1.1　序列模式挖掘 24
3.1.2　基于序列模式的移動性模式網(wǎng)絡構建 25
3.2　基于圖挖掘的移動性模式網(wǎng)絡構建方法 29
3.2.1　頻繁子圖挖掘 29
3.2.2　基于頻繁子圖的移動性模式網(wǎng)絡構建 35
3.3　實驗結果與分析 43
3.3.1　實驗環(huán)境 43
3.3.2　實驗數(shù)據(jù) 43
3.3.3　結果分析 45
第4章　基于時空及網(wǎng)絡特征的隱私敏感空間區(qū)域分類方法 53
4.1　傳統(tǒng)的空間區(qū)域分類方法 53
4.1.1　基于空間數(shù)據(jù)屬性疊加的地物分類方法 53
4.1.2　基于遙感影像的特征提取和空間區(qū)域識別的分類方法 54
4.1.3　基于移動軌跡數(shù)據(jù)時空特征的分類方法 54
4.2　移動軌跡數(shù)據(jù)的時空及網(wǎng)絡特征 55
4.2.1　移動軌跡數(shù)據(jù)的時空特征 55
4.2.2　移動軌跡數(shù)據(jù)的網(wǎng)絡特征 59
4.3　基于時空及網(wǎng)絡特征的隱私敏感空間區(qū)域的分類模型 60
4.3.1　網(wǎng)絡特征值的獲取 60
4.3.2　時空特征值的獲取 61
4.3.3　隱私敏感屬性的獲取 64
4.3.4　分類模型 68
4.3.5　模型預測性能評估 69
4.4　實驗結果與分析 70
4.4.1　實驗數(shù)據(jù) 70
4.4.2　結果分析 73
第5章　基于隱私敏感移動性模式網(wǎng)絡的推理攻擊分析 77
5.1　基于隱私敏感移動性模式網(wǎng)絡的推理攻擊模型 77
5.1.1　基本概念 77
5.1.2　攻擊模型 78
5.2　基于網(wǎng)絡連通性分析的推理攻擊場景 80
5.2.1　基于連通性分析的源攻擊 81
5.2.2　基于連通性分析的匯攻擊 83
5.2.3　基于連通性分析的過渡攻擊 85
5.3　傳統(tǒng)的攻擊預防方法 86
5.3.1　直接移除網(wǎng)絡中隱私敏感節(jié)點的方法 86
5.3.2　社交網(wǎng)絡的凈化方法 88
第6章　隱私敏感移動性模式網(wǎng)絡的凈化方法及實現(xiàn) 89
6.1　系統(tǒng)框架 89
6.2　凈化方法設計 90
6.2.1　網(wǎng)絡類型判定 92
6.2.2　節(jié)點重要性排序 94
6.2.3　凈化方法 97
6.2.4　可用性與安全性評估 99
6.3　基于Spark大數(shù)據(jù)平臺的實現(xiàn) 102
6.3.1　網(wǎng)絡類型判定 103
6.3.2　節(jié)點重要性計算 105
6.3.3　敏感網(wǎng)絡凈化 106
6.3.4　可用性與安全性評估 107
6.3.5　實例分析 109
6.4　實驗結果與分析 114
6.4.1　實驗數(shù)據(jù) 114
6.4.2　結果分析 117
第7章　總結與展望 124
7.1　總結 124
7.2　展望 125
參考文獻 126
彩圖