隨著大數(shù)據(jù)時(shí)代的來(lái)臨,網(wǎng)絡(luò)中信息過(guò)載的問題日益突出,用戶往往很難從海量的數(shù)據(jù)中快速定位自己需要的資源。推薦算法通過(guò)挖掘用戶和信息產(chǎn)品之間的二元關(guān)系很好的解決了這一問題,但是由于推薦算法在給用戶進(jìn)行推薦的過(guò)程中,往往需要使用用戶的歷史信息,這對(duì)用戶的隱私產(chǎn)生了巨大威脅。差分隱私作為近幾年保護(hù)隱私的一種新的方式,以高隱私保護(hù)效率,安全性可證明,安全級(jí)別可控等優(yōu)點(diǎn)受到廣泛關(guān)注。目前關(guān)于差分隱私的研究主要集中在數(shù)據(jù)發(fā)布方向,但是差分隱私的優(yōu)點(diǎn)使得它同樣十分適合用來(lái)解決推薦系統(tǒng)中的用戶隱私保護(hù)問題。因此,在推薦系統(tǒng)中應(yīng)用差分隱私來(lái)保護(hù)用戶隱私的研究是十分有意義的。本文通過(guò)調(diào)研現(xiàn)有的差分隱私保護(hù)技術(shù)和經(jīng)典的推薦算法,著重探究了應(yīng)用差分隱私保護(hù)技術(shù)來(lái)解決協(xié)同過(guò)濾算法中的隱私問題,主要貢獻(xiàn)包括:（1）針對(duì)協(xié)同過(guò)濾推薦算法中的用戶隱私保護(hù)問題,本文基于差分隱私保護(hù)技術(shù)提出了一種高效可行的隱私保護(hù)方法（KDPCF）。具體做法是先利用K-means聚類算法將所有用戶進(jìn)行聚類,然后對(duì)聚類的結(jié)果進(jìn)行優(yōu)化,最后在優(yōu)化后的結(jié)果上進(jìn)行基于用戶的協(xié)同過(guò)濾推薦。為了保護(hù)用戶的隱私,在推薦過(guò)程中我們引入了差分隱私的指數(shù)機(jī)制... 

【文章來(lái)源】：安徽大學(xué)安徽省 211工程院校

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 推薦系統(tǒng)簡(jiǎn)介
    1.2 推薦系統(tǒng)的國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 推薦系統(tǒng)中的經(jīng)典算法
        1.2.2 推薦系統(tǒng)中的安全需求
    1.3 差分隱私保護(hù)的國(guó)內(nèi)外研究現(xiàn)狀
    1.4 本文研究?jī)?nèi)容
    1.5 組織結(jié)構(gòu)
第2章 基礎(chǔ)知識(shí)
    2.1 差分隱私保護(hù)模型
    2.2 差分隱私理論基礎(chǔ)
        2.2.1 拉普拉斯機(jī)制
        2.2.2 指數(shù)機(jī)制
    2.3 差分隱私的兩種框架
    2.4 推薦系統(tǒng)的評(píng)價(jià)標(biāo)準(zhǔn)
    2.5 本章小結(jié)
第3章 基于K-MEANS聚類的差分隱私協(xié)同過(guò)濾推薦算法
    3.1 相關(guān)知識(shí)
        3.1.1 K-means聚類算法
        3.1.2 基于用戶的協(xié)同過(guò)濾算法
    3.2 相關(guān)工作
    3.3 安全需求和設(shè)計(jì)目標(biāo)
        3.3.1 安全需求
        3.3.2 設(shè)計(jì)目標(biāo)
    3.4 KDPCF算法詳細(xì)設(shè)計(jì)
        3.4.1 KDPCF方案總體流程設(shè)計(jì)
        3.4.2 KDPCF詳細(xì)步驟設(shè)計(jì)
    3.5 隱私性分析
    3.6 實(shí)驗(yàn)結(jié)果與分析
        3.6.1 數(shù)據(jù)來(lái)源
        3.6.2 實(shí)驗(yàn)參數(shù)設(shè)置
        3.6.3 實(shí)驗(yàn)結(jié)果評(píng)估
    3.7 本章小結(jié)
第4章 推薦系統(tǒng)中基于代理轉(zhuǎn)發(fā)機(jī)制的用戶隱私保護(hù)方法
    4.1 相關(guān)知識(shí)
        4.1.1 本地差分隱私保護(hù)
    4.2 相關(guān)工作
    4.3 安全需求和設(shè)計(jì)目標(biāo)
        4.3.1 安全需求
        4.3.2 設(shè)計(jì)目標(biāo)
        4.3.3 設(shè)計(jì)思路
    4.4 RLAS方案設(shè)計(jì)
        4.4.1 RLAS總體方案模型
        4.4.2 RLAS詳細(xì)步驟設(shè)計(jì)
    4.5 實(shí)驗(yàn)結(jié)果與分析
        4.5.1 數(shù)據(jù)來(lái)源和參數(shù)設(shè)置
        4.5.2 實(shí)驗(yàn)結(jié)果和分析
    4.6 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 研究展望
參考文獻(xiàn)
致謝
在讀期間發(fā)表的學(xué)術(shù)論文
在讀期間參加的科研項(xiàng)目


【參考文獻(xiàn)】：
期刊論文
[1]面向數(shù)據(jù)發(fā)布和分析的差分隱私保護(hù)[J]. 張嘯劍,孟小峰.  計(jì)算機(jī)學(xué)報(bào). 2014(04)
[2]差分隱私保護(hù)下一種精確挖掘top-k頻繁模式方法[J]. 張嘯劍,王淼,孟小峰.  計(jì)算機(jī)研究與發(fā)展. 2014(01)
[3]差分隱私保護(hù)及其應(yīng)用[J]. 熊平,朱天清,王曉峰.  計(jì)算機(jī)學(xué)報(bào). 2014(01)
[4]CoPrivacy:一種用戶協(xié)作無(wú)匿名區(qū)域的位置隱私保護(hù)方法[J]. 黃毅,霍崢,孟小峰.  計(jì)算機(jī)學(xué)報(bào). 2011(10)
[5]一種基于中間代理的個(gè)性化推薦系統(tǒng)[J]. 杜定宇,王茜.  計(jì)算機(jī)技術(shù)與發(fā)展. 2011(09)

碩士論文
[1]基于隱私保護(hù)的個(gè)性化推薦系統(tǒng)的研究與實(shí)現(xiàn)[D]. 陳婷.復(fù)旦大學(xué) 2008



本文編號(hào)：3148244