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（考虑区间计数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本科生、研究生以及数据安全隐私保护的研究者。

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。
现为福州大学国家精品资源共享课程“算法与数据结构”和福建省优质硕士学位课程“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“宝钢优秀教师奖”、“福建省优秀共产党员”、“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》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。

第1章 基于差分隐私的统计数据发布概述
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 差分隐私的组合特性
1.4 差分隐私数据保护框架
1.5 差分隐私保护方法的性能度量
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
2.3 面向任意区间树结构的差分隐私直方图发布迭代算法
2.3.1 k-区间树
2.3.2 局部最优线性无偏估计及其算法
2.3.3 基于LBLUE解全局最优线性无偏估计的迭代算法
2.3.4 算法分析
2.3.5 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性时间算法
2.4.1 差分隐私区间树中节点权值的最优线性无偏估计
2.4.2 求解差分隐私区间树节点权值最优线性无偏估计的算法
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 基于区间计数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HQ_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性优化算法
4.4.1 一致性约束优化
4.4.2 基于滑动窗口的差分隐私流数据一致性优化算法
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 最小误差的快速求解
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)精确度指标
8.5 实验分析
8.5.1 验证固定区间查询误差算法
8.5.2 验证平均区间查询误差算法
8.6 本章小结
参考文献