一种轨迹隐私保护服务推荐模型研究

• 作者: 李晓会 陈潮阳 白雨靓 张兴
• 来源期刊: 小型微型计算机系统
• 关键词: 差分隐私 mix-zone 聚类 偏好感知 服务推荐
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 人工智能与算法研究|Artificial Intelligence and Algorithm Research
• 页码范围: 990-995
• 页数: 6页
• 分类号: TP309
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2021.05.015

摘要

基于位置的服务推荐系统能够为用户提供更为有效的个性化服务,现有的推荐系统主要采用差分隐私和k-匿名进行隐私保护,但服务质量差、安全系数低等问题十分严重.为此,提出了一种轨迹隐私保护服务推荐模型,该模型基于偏好感知的模式,首先采用Mix-zone结合聚类的方法,当请求服务时,通过聚类量化mix-zone中用户的相似性,保护用户的个人信息;然后采用基于差分隐私的偏好感知算法(PPBP)保护推荐结果,根据用户的偏好进行隐私风险评定,通过评定结果添加不同大小的噪声,合理分配差分隐私预算,实现服务质量的提升.实验结果表明,该算法不仅提高了用户的隐私保护程度,也提高了系统的服务质量.