差分隐私保护在推荐系统中的应用研究

• 作者: 李启良 鲜征征
• 来源期刊: 计算机应用研究
• 关键词: 推荐系统 个人隐私保护 差分隐私 矩阵分解
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 信息安全技术
• 页码范围: 1549-1553,1557
• 页数: 6页
• 分类号: TP309.2
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.05.059

摘要

推荐系统已经成为Internet商家给用户提供个性化服务的高级商务智能平台之一，然而，用于研究推荐系统的数据信息里往往存在能够被攻击者直接或者间接获取的个人隐私。近年来受到极大关注的差分隐私保护是一种非常严格的、可证明的隐私保护模型。针对目前流行的协同过滤算法之一的矩阵分解进行了研究，提出了采用差分隐私保护技术对原始输入数据进行预处理和扰动处理的新方法。最后通过在真实数据集上进行相关实验验证，结果表明提出的带差分隐私保护的矩阵分解算法达到了预期：既能保护用做推荐研究的原始数据集的隐私，又没有严重影响推荐的准确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	鲜征征	广东金融学院计算机科学与技术系	13	56	4.0	7.0
5	李启良	中山大学数据计算与计算机学院	3	26	2.0	3.0