差分隐私在协同过滤算法中的应用研究

• 作者: 李启良 李改 李磊 鲜征征
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 协同过滤 个人隐私保护 差分隐私 矩阵分解
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 信息安全
• 页码范围: 81-88,94
• 页数: 9页
• 分类号: TP311
• 字数: 12004字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2017.05.015

摘要

利用背景知识间接推导出个人隐私信息已成为Internet用户更担忧的问题,定义极为严格且可证明的差分隐私保护是目前解决该问题的最有效的隐私保护技术.Berlioz等将差分隐私保护技术应用于协同过滤算法之一的矩阵分解中,虽然提出了新的算法,但是缺少严格的证明过程.针对他们提出的算法,将补充相应的数学证明,然后将Chaudhuri等提出的目标函数加扰方法灵活应用于ALS目标函数中.此外,还给出一种差分隐私保护参数的选择方案.最后,在两个真实数据集上的实验验证结果表明,所提出的ALS目标函数加扰方法取得了更好的推荐效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李磊	中山大学数据科学与计算机学院	117	1028	16.0	29.0
2	鲜征征	广东金融学院互联网金融与信息工程系	13	56	4.0	7.0
6	李启良	中山大学数据科学与计算机学院	3	26	2.0	3.0