基于差分隱私保護(hù)的協(xié)同過濾推薦技術(shù)研究.pdf

1、基于差分隱私保護(hù)的協(xié)同過濾推薦技術(shù)研究重慶大學(xué)碩士學(xué)位論文（學(xué)術(shù)學(xué)位）學(xué)生姓名：王彤指導(dǎo)教師：葉春曉教授專業(yè)：計算機(jī)應(yīng)用技術(shù)學(xué)科門類：工學(xué)重慶大學(xué)計算機(jī)學(xué)院二O一六年四月重慶大學(xué)碩士學(xué)位論文中文摘要I摘要推薦系統(tǒng)可以幫助用戶發(fā)現(xiàn)感興趣的信息，有效解決信息過載問題，推薦系統(tǒng)得到了廣泛的研究與應(yīng)用。與此同時，推薦系統(tǒng)中的隱私問題也日益受到人們的重視。對于推薦系統(tǒng)來說，盡可能的提升推薦系統(tǒng)的準(zhǔn)確度與為用戶提供隱私保證同等重要。一方面，更準(zhǔn)確的

2、推薦會大大提升用戶的體驗(yàn)。另一方面，更強(qiáng)有力的隱私保證會減少用戶分享個人隱私信息的顧慮，從而提升用戶的信任與參與度。協(xié)同過濾（CF）是推薦系統(tǒng)中最常用的算法。然而，應(yīng)用協(xié)同過濾的推薦系統(tǒng)并不能很好的保證用戶的隱私安全，已有研究表明，利用推薦系統(tǒng)的推薦結(jié)果，結(jié)合背景知識，就能以很大概率推斷出用戶的歷史記錄，這無疑會嚴(yán)重地威脅用戶的隱私。差分隱保護(hù)私技術(shù)有著嚴(yán)格數(shù)學(xué)定義與最大背景知識假設(shè)等特點(diǎn)，能很好的保證用戶的隱私安全。本文主要研究工作如

3、下:首先，研究了傳統(tǒng)的協(xié)同過濾推薦算法，對協(xié)同過濾算法的三個最主要的步驟：收集用戶偏好、找到相似的用戶或物品與計算推薦進(jìn)行深入理解，分析可能的隱私泄露點(diǎn)，為后續(xù)應(yīng)用隱私保護(hù)算法的設(shè)計做鋪墊。其次，研究了常見的隱私保護(hù)技術(shù)，包括kAnonymity、數(shù)據(jù)加密、混淆與擾動，并著重研究了差分隱私保護(hù)算法與其在協(xié)同過濾推薦算法中的實(shí)現(xiàn)。然后，研究了推薦系統(tǒng)面臨的隱私攻擊模型及其擴(kuò)展“K最近鄰攻擊”。介紹攻擊者通過分析推薦結(jié)果以高準(zhǔn)確率挖掘出用戶