1. 研究目的与意义及国内外研究现状

差分隐私保护无需考虑攻击者所拥有的任何可能的背景知识，因为这些背景知识不可能提供比最大背景知识更丰富的信息．其次，它建立在坚实的数学基础之上，对隐私保护进行了严格的定义并提供了量化评估方法，使得不同参数处理下的数据集所提供的隐私保护水平具有可比较性．因此，差分隐私理论迅速被业界认可，并逐渐成为隐私保护领域的一个研究热点．近几年来，差分隐私和其它领域研究的结合使得大量新的成果不断涌现．选题在总结已有研究成果的基础上，对差分隐私的理论发展及其在数据发布与数据挖掘领域的应用进行综述。

国内外研究现状

针对特定数据类型， Dwork等人针对流数据和连续观测的差分隐私保护问题，提出了隐私保护级别更强的泛隐私（pan-privacy）的概念。泛隐私基于流算法的思想，每个数据一经处理就马上丢弃，它可以抵御连续不间断的入侵方式， 即使数据的内部状态已经暴露给入侵者。Li等人首次将差分隐私与k-匿名算法结合，并应用于微数据隐私保护下的 数据发布问题。Vu等人将差分隐私保护与传统的统计假设检验建模相结合，并应用于临床实验数据挖掘，在如何调节样本数量以获取统计效率和隐私保护级别之间的平衡问题上总结了一些规律。Gehrke等人改进了差分隐私保护算法 并应用于社交网络的隐私保护建模。Zhang等人提出了应用于分布式数据挖掘下抵御联合攻击的基于安全多方计算和随机选择的差分隐私保护算法。

2. 研究的基本内容

系统调研差分隐私的构建方法及对隐私保护所起的重要作用，以及如何在属性隐私保护中进行应用，对差分隐私的理论发展及其在数据发布与数据挖掘领域的应用进行综述，并挖掘出更有新意更科学化的保护构建方法。

3. 实施方案、进度安排及预期效果

2015年12月，完成开题报告和任务书；

2016年1月，确定毕业论文大纲，开始实施；

2016年4月，完成毕业论文初稿，基本达到任务书要求；

4. 参考文献

［１］ＳａｍａｒａｔｉＰ．Ｐｒｏｔｅｃｔｉｎｇｒｅｓｐｏｎｄｅｎｔｓ’ｉｄｅｎｔｉｔｉｅｓｉｎ ｍｉｃｒｏｄａｔａｒｅｌｅａｓｅ．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｋｎｏｗｌｅｄｇｅ ａｎｄ ＤａｔａＥｎｇｉｎｅｅｒｉｎｇ ，２００１，１３（６）：１０１０－１０２７

［２］ＮａｒａｙａｎａｎＡ，Ｓｈｍａｔｉｋｏｖ Ｖ．Ｒｏｂｕｓｔ ｄｅ－ａｎｏｎｙ ｍｉｚａｔｉｏｎ ｏｆｌａｒｇｅ ｓｐａｒｓｅ ｄａｔａｓｅｔｓ／／Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ２００８ＩＥＥＥ Ｓｙｍｐｏ－ｓｉｕｍ ｏｎ Ｓｅｃｕｒｉｔｙ ａｎｄ Ｐｒｉｖａｃｙ．Ｏａｋｌａｎｄ，ＵＳＡ，２００８：１１１－１２５

［３］ＳｒｉｖａｔｓａＭ，Ｈｉｃｋｓ Ｍ．Ｄｅａｎｏｎｙｍｉｚｉｎｇ ｍｏｂｉｌｉｔｙｔｒａｃｅｓ：Ｕｓｉｎｇｓｏｃｉａｌ ｎｅｔｗｏｒｋ ａｓ ａ ｓｉｄｅ－ｃｈａｎｎｅｌ／／Ｐｒｏｃｅｅｄｉｎｇｓｏｆ ｔｈｅ ２０１２ＡＣＭ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｅｃｕｒｉｔｙ．Ｒａｌｅｉｇ ｈ，ＵＳＡ，２０１２：６２８－６３７