结合混洗器的差分隐私矩阵分解推荐算法.pdfVIP

第

54

卷第

3

期电子科技大学学报

Vol.

54No.

3

2025年5月Journal

of

University

of

Electronic

Science

and

Technology

of

China

May

2025

引用格式：叶建梅,

杨久裕,

陈钱宏,

等.

结合混洗器的差分隐私矩阵分解推荐算法[J].

电子科技大学学报,

2025,

54(3):

432-441.

YE

J

M,

YANG

J

Y,

CHEN

Q

H,

et

al.

Differential

privacy

matrix

factorization

recommendation

algorithm

combined

with

shuffler[J].

Journal

of

University

of

Electronic

Science

and

Technology

of

China,

2025,

54(3):

432-441.

结合混洗器的差分隐私矩阵分解推荐算法

12211,

2*

叶建梅，杨久裕，陈钱宏，邓江洲，王

永

（1.

重庆邮电大学

电子商务与现代物流重点实验室，重庆

400065；2.

重庆邮电大学

计算机科学与技术学院，重庆

400065）

摘要：推荐系统需要利用大量用户数据进行运算，存在用户隐私泄露风险。虽然差分隐私技术已被用于保护用户隐私，

但在不可信服务器场景下，现有方法由于过多噪声注入会导致推荐效果下降。针对此问题，提出了一种结合混洗器的差分隐

私矩阵分解推荐算法，利用混洗操作的隐私放大效应来减少噪声。在此基础上，通过对本地最大的k个梯度添加噪音来避免

因数据稀疏性引起的推荐性能下降的问题，从而更好地优化了隐私保护与数据效用之间的平衡。理论与实验结果均验证了该

算法不仅能有效提升隐私保护力度，而且能够产生良好的推荐效果，展现出良好的应用潜力。

关键词：矩阵分解；差分隐私；混洗器；推荐系统

中图分类号：TP309.2

文献标志码：A

DOI:

10.12178/1001-0548.2024081

Differential

privacy

matrix

factorization

recommendation

algorithm

combined

with

shuffler

12211,

2*

YE

Jianmei,

YANG

Jiuyu,

CHEN

Qianhong,

DENG

Jiangzhou,

and

WANG

Yong

(1.

Key

Laboratory

of

E-Commerce

and

Modern

Logistics,

Chongqing

University

of

Posts

and

Telecommunications,

Chongqing

400065,

China;

2.

College

of

Computer

Science

and

Technology,

Chongqing

University

of

Posts

and

Telecommunications,

Chongqing

400065,

China)

Abstract:

Recommendation

systems

req