《隐私保护数据：模型与算法》书评-杂志之家

内容简介

本书主要阐述数据共享中的两大主要隐私保护模型及其关键算法。全书分为两篇，及时篇阐述匿名隐私保护数据，由第1～9章组成，主要内容涉及匿名隐私保护相关知识、k匿名组规模的上界讨论、关系型数据及其扩展背景(数据增量更新和多敏感属性数据)下的匿名隐私保护、非关系型数据(包括事务型数据、社会网络数据和轨迹数据)中的匿名隐私保护模型及算法、面向LBS应用的位置隐私保护等；第二篇阐述差分隐私保护数据，由第10～19章组成，主要内容涉及差分隐私基础知识、基于k叉平均树的差分隐私数据、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、面向其他应用背景(流/连续数据、稀疏/多维数据)的差分隐私保护、差分隐私下的频繁模式挖掘等。本书主要面向计算机科学、网络空间安全、管理科学与工程等相关学科专业高年级本科生、研究生以及广大研究数据安全隐私保护的科技工作者。

编辑推荐

随着数据挖掘和信息共享等数据库应用的出现与发展，如何保护隐私数据和防止敏感信息泄露成为当前面临的重大挑战。作为数据挖掘与信息共享应用中的重要环节，数据中的隐私保护已成为当前的研究热点。隐私保护数据自提出以来，已吸引许多学者、数据管理人员以及工程科技人员对其展开研究，并取得大量的研究成果。本书主要阐述数据共享中的两大主要隐私保护模型及其关键算法。

全书分为2篇，第1篇阐述匿名隐私保护数据，由1-9章组成，主要内容涉及：匿名隐私保护相关知识、k-匿名组规模的上界讨论、关系型数据及其扩展背景(数据增量更新和多敏感属性数据)下的匿名隐私保护、非关系型数据(包括事务型数据、社会网络数据和轨迹数据)中的匿名隐私保护模型及算法、面向LBS应用的位置隐私保护等；第2篇阐述差分隐私保护数据，由10-19章组成，主要内容涉及：差分隐私基础知识、基于k叉平均树的差分隐私数据、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、面向其他应用背景(流/连续数据、稀疏/多维数据)的差分隐私保护、差分隐私下的频繁模式挖掘等。

本书主要面向计算机科学、网络空间安全、管理科学与工程等相关学科专业高年级本科生、研究生以及广大研究数据安全隐私保护的科技工作者。

作者简介

吴英杰，1979年6月出生，福建安溪人，博士，副教授，硕士生导师，美国宾夕法尼亚州立大学访问学者。2001年7月毕业于福州大学计算机科学与技术专业，获学士学位；2004年3月毕业于福州大学计算机软件与理论专业，获硕士学位，随后留校任教。2012年3月获东南大学计算机应用技术博士学位，2012年7月破格晋升副教授并获硕士生导师资格。

福州大学国家精品资源共享课程“算法与数据结构”和福建省品质硕士学位课程“算法设计与分析”第二负责人，福州大学精品课程“高级语言程序设计”负责人，同时兼任福州大学ACM国际大学生程序设计竞赛代表队总教练，已带领福州大学代表队6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常务理事、教育工作委员会主任委员。曾获“宝钢教师奖”、“福建省共产党员”、“福建青年五四奖章”、“福州大学十佳青年教职工”、“福州大学教学新秀”等称号。

主要从事数据安全、数据挖掘与算法设计等方面的研究。近年来，先后主持1项国家自然科学基金项目、2项福建省自然科学基金项目和1项福建省教育厅科技项目的研究工作。已授权国家发明专利2项，主持的教改项目获2014年福建省教学成果一等奖。近期在《软件学报》、《计算机研究与发展》、Journal of Computer Science and Technology、Information Processing Letter、Journal of Discrete Algorithms等国内外重要学术期刊和国际会议上发表30多篇学术论文。