ADMER/PP-RCT增黏改性聚丙烯的制备与性能表征

采用黏合性聚烯烃AMDER与结晶改善型无规共聚聚丙烯(PP-RCT)熔融共混制备AMDER/PP-RCT增黏改性聚丙烯,增强PP-RCT与聚乙烯醇(PVA)的热熔黏合性。研究AMDER对PP-RCT的热性能、流动性、塑化性能、力学性能以及与聚乙烯醇热熔黏合性能的影响。研究表明,AMDER的引入有效降低了PP-RCT的塑化时间和平衡扭矩,促使PP-RCT的流动性增加,同时结晶温度与结晶度基本不变。将AMDER/PP-RCT增黏改性聚丙烯与甘油塑化PVA进行3层共挤,制备AMDER/PP-RCT与PVA的3层复合材料。通过剥离强度测试,在AMDER/PP-RCT增黏改性聚丙烯中AMDER质量分数增加至20%以及上时,AMDER/PP-RCT与PVA两相间的剥离强度显著增加,当AMDER质量分数量达到33%时,剥离强度达0.3 N/(15 mm)。     

数据表k-匿名化的微聚集算法研究

 数据表的k-匿名化(k-anonymization)是数据发布时保护私有信息的一种重要方法.泛化/隐匿是实现k-匿名的传统技术,然而,该技术存在效率低、k-匿名化后数据的可用性差等问题.近年来,微聚集(Microaggregation)算法被应用到数据表的k-匿名化上,弥补了泛化/隐匿技术的不足,其基本思想是:将大量的数据按相似程度划分为若干类,要求每个类内元组数至少为k个,然后用类质心取代类内元组的值,实现数据表的k-匿名化.本文综述了微聚集算法的基本思想、相关技术和当前动态,对现有的微聚集算法进行了分类分析,并总结了微聚集算法的评估方法,最后对微聚集算法的研究难点及未来的发展趋势作了探讨.     

隐私保护中K-匿名模型的综述

K-匿名是近年来隐私保护研究的热点,介绍了K-匿名、K-最小匿名化的基本概念,阐述了泛化与隐匿技术,总结了K-匿名的评估标准,并分析了现有的K-匿名算法。最后对该领域的发展方向作了展望。