分布式隐私保护单类协同过滤算法研究

• 作者: 崔炜荣 杜承烈
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 协同过滤 单类评价 隐私保护 矩阵分解
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 安全技术
• 页码范围: 307-313
• 页数: 7页
• 分类号: TP3
• 字数: 4911字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.08.052

摘要

单类协同过滤算法是利用用户的隐形反馈,如是否点击、购买、浏览某一物品,对用户喜好进行预测的推荐算法.针对此类算法中模型和用户评价泄露问题,提出一种新的隐私保护单类协同过滤算法.采用分布式架构,其矩阵分解过程由服务器和各个用户共同参与完成.每轮迭代过程中,服务器仅从客户端得到物品隐藏因子向量梯度更新信息,实现对推荐模型的保护.基于多方安全求和的原理,在梯度更新过程中加入了混淆机制,实现对用户历史评价的保护.实验结果表明,与现有方法相比,该方法在保护用户隐私的同时能够提供更高的推荐准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杜承烈	西北工业大学计算机学院	107	539	13.0	17.0
2	崔炜荣	安康学院电子与信息工程学院	18	51	3.0	6.0