隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展,推薦系統(tǒng)已廣泛應(yīng)用于電子商務(wù)領(lǐng)域。推薦系統(tǒng)根據(jù)用戶的歷史購買記錄,向用戶推薦其可能感興趣的商品,讓用戶體驗(yàn)到更好地推薦服務(wù),進(jìn)而促進(jìn)線上銷量提升。然而,推薦服務(wù)依賴于用戶的歷史評分信息,一旦推薦系統(tǒng)受到攻擊,很可能導(dǎo)致用戶的隱私信息泄露。為了用戶的隱私安全,必須要為推薦系統(tǒng)中的用戶數(shù)據(jù)提供隱私保護(hù)。傳統(tǒng)的隱私保護(hù)技術(shù)很難抵御背景知識攻擊,而近些年出現(xiàn)的差分隱私技術(shù)能夠很好地解決這個(gè)問題。差分隱私技術(shù)是通過向用戶敏感信息中加入可控的噪聲,從而實(shí)現(xiàn)對用戶隱私的保護(hù)。本篇論文主要研究了兩種差分隱私保護(hù)的集成推薦方案,主要工作如下:(1)設(shè)計(jì)了一種基于差分隱私保護(hù)的集成推薦方案(DP-IR,其中IR表示集成了SDCF算法和MF算法)。DP-IR方案主要由三個(gè)步驟實(shí)現(xiàn)的,分別是預(yù)處理、基于鄰域的相似度計(jì)算和矩陣分解目標(biāo)擾動(dòng)算法。DP-IR方案通過構(gòu)建平衡系數(shù),集成了矩陣分解算法和基于用戶協(xié)同過濾算法,能夠很好地利用評分矩陣的全局信息和局部信息,同時(shí)兼顧了基于協(xié)同過濾算法所適應(yīng)的稠密集和矩陣分解所適應(yīng)的稀疏集。從理論上證明了DP-IR算法滿足?-差分隱私,可以實(shí)現(xiàn)項(xiàng)目級別...

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)隱私保護(hù)
        1.2.2 差分隱私保護(hù)
        1.2.3 個(gè)性化差分隱私保護(hù)
    1.3 本文主要工作
    1.4 章節(jié)安排
第二章 基礎(chǔ)知識
    2.1 推薦系統(tǒng)
        2.1.1 協(xié)同過濾推薦算法
        2.1.2 矩陣分解推薦算法
        2.1.3 評價(jià)指標(biāo)
    2.2 差分隱私相關(guān)概念
        2.2.1 差分隱私
        2.2.2 個(gè)性化差分隱私
        2.2.3 實(shí)現(xiàn)機(jī)制
        2.2.4 基本性質(zhì)
第三章 基于差分隱私的集成推薦方案
    3.1 引言
    3.2 DP-IR方案問題描述
    3.3 方案設(shè)計(jì)
        3.3.1 預(yù)處理
        3.3.2 基于鄰域相似度計(jì)算
        3.3.3 矩陣分解時(shí)目標(biāo)擾動(dòng)
    3.4 實(shí)驗(yàn)評估
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)集
        3.4.2 評價(jià)指標(biāo)
        3.4.3 實(shí)驗(yàn)參數(shù)設(shè)置
        3.4.4 對比實(shí)驗(yàn)結(jié)果
    3.5 本章小結(jié)
第四章 基于個(gè)性化差分隱私的集成推薦方案
    4.1 引言
    4.2 方案問題描述
    4.3 方案設(shè)計(jì)
        4.3.1 基于個(gè)性化差分隱私保護(hù)的協(xié)同過濾算法
        4.3.2 采樣機(jī)制
        4.3.3 PDP-IR方案
    4.4 實(shí)驗(yàn)分析
        4.4.1 PDP-IR方案實(shí)驗(yàn)設(shè)置
        4.4.2 隱私級別占比變化對方案預(yù)測準(zhǔn)確度的影響
        4.4.3 隱私參數(shù)變化對方案預(yù)測準(zhǔn)確度的影響
        4.4.4 不同方案對比實(shí)驗(yàn)
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的學(xué)術(shù)成果
致謝



本文編號：3788032