差分隐私保护在推荐系统中的应用研究-计算机应用研究.PDFVIP

第３３卷第５期 计 算 机 应 用 研 究 Ｖｏｌ３３Ｎｏ５ ２０１６年５月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｍａｙ２０１６ 差分隐私保护在推荐系统中的应用研究 １，２ ２ 鲜征征 ，李启良 （１．广东金融学院计算机科学与技术系，广州５１０５２１；２．中山大学数据计算与计算机学院，广州５１０００６） 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。 关键词：推荐系统；个人隐私保护；差分隐私；矩阵分解 中图分类号：ＴＰ３０９．２　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１６）０５１５４９０５ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１６．０５．０５９ Ｒｅｓｅａｒｃｈｏｎａｐｐｌｉｃａｔｉｏｎｏｆｄｉｆｆｅｒｅｎｔｉａｌｐｒｉｖａｃｙｉｎｒｅｃｏｍｍｅｎｄｅｒｓｙｓｔｅｍ １，２ ２ ＸｉａｎＺｈｅｎｇｚｈｅｎｇ ，ＬｉＱｉｌｉａｎｇ （１．Ｄｅｐｔ．ｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，ＧｕａｎｇｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＦｉｎａｎｃｅ，Ｇｕａｎｇｚｈｏｕ５１０５２１，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＤａｔａ＆ＣｏｍｐｕｔｅｒＳｃｉ ｅｎｃｅ，ＳｕｎＹａｔｓｅｎＵｎｉｖｅｒｓｉｔｙ，Ｇｕａｎｇｚｈｏｕ５１０００６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＲｅｃｏｍｍｅｎｄｅｒｓｙｓｔｅｍｈａｓｂｅｃｏｍｅｏｎｅｏｆｔｈｅｍｏｓｔａｄｖａｎｃｅｄｂｕｓｉｎｅｓｓｉｎｔｅｌｌｉｇｅｎｃｅｐｌａｔｆｏｒｍｔｈａｔＩｎｔｅｒｎｅｔｂｕｓｉｎｅｓｓｅｓ ｐｒｏｖｉｄｅｐｅｒｓｏｎａｌｉｚｅｄｓｅｒｖｉｃｅｔｏｔｈｅｕｓｅｒ．Ｈｏｗｅｖｅｒ，ｔｈｅｍａｓｓｉｖｅｄａｔａｉｎｆｏｒｍａｔｉｏｎｕｓｅｄｔｏｒｅｃｏｍｍｅｎｄｅｒｓｙｓｔｅｍｒｅｓｅａｒｃｈｏｆｔｅｎ ｅｘｉｓｔｓｏｍｅｐｅｒｓｏｎａｌｐｒｉｖａｃｙｉｎｆｏｒｍａｔｉｏｎｔｈａｔｃａｎｂｅｇｏｔｔｅｎｂｙａｎａｔｔａｃｋｅｒｄｉｒｅｃｔｌｙｏｒｉｎｄｉｒｅｃｔｌｙ．Ａｓａｎｅｗｐｒｉｖａｃｙｎｏｔｉｏｎ，ｄｉｆｆｅｒ ｅｎｔｉａｌｐｒｉｖａｃｙｈａｓｓｈｏｗｎｉｎｐｏｐｕｌａｒｉｔｙｒｅｃｅｎｔｌｙｄｕｅｔｏｉｔｓｓｔｒｉｃｔａｎｄｐｒｏｖａｂｌｅｇｕａｒａｎｔｅｅ．Ｍａｔｒｉｘｆａｃｔｏｒｉｚａｔｉｏｎｉｓｏｎｅｏｆｔｈｅｐｏｐｕ ｌａｒｃｏｌｌａｂｏｒａｔｉｖｅｆｉｌｔｅｒｉｎｇｍｅｔｈｏｄｓ．Ｔｈｉｓｐａｐｅｒａｄｄｒｅｓｓｅｓｄｔｈｅｐｒｏｂｌｅｍｏｆｐｒｉｖａｃｙｐｒｅｓｅｒｖｉｎｇｍａｔｒｉｘｆａｃｔｏｒｉｚａｔｉｏｎｂｙｕｔｉｌｉｚｉｎｇｄｉｆ ｆｅｒｅｎｔｉａｌｐｒｉｖａｃｙ．Ｔｈｅｐｒｏｐｏｓｅｄｎｅｗａｐｐｒｏａｃｈｐｒｅｐｒｏｃｅｓｓｅｄａｎｄｏｂｆｕｓｃａｔｅｄｔｈｅｒａｗｉｎｐｕｔｄａｔａｂｅｆｏｒｅｕｓｉｎｇｍａｔｒｉｘｆａｃｔｏｒｉｚａｔｉｏｎ． Ｆｉｎａｌｌｙ，ｓｏｍｅｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｎｅｗａｐｐｒｏａｃｈａｃｈｉｅｖｅｓｔｈｅｅｘｐｅｃｔｅｄｇｏａｌｓ．Ａｓａｒｅｓｕｌｔ，ｉｔｎｏｔｏｎｌｙｃａｎ ｐｒｏｔｅｃｔ