本文關鍵詞：基于匿名隱私保護模型的上下文推薦系統(tǒng)研究　出處：《新疆大學》2017年碩士論文　論文類型：學位論文

  更多相關文章： 上下文感知 推薦系統(tǒng) k-匿名 微聚集 隱私保護

【摘要】：在當前的互聯(lián)網(wǎng)時代電子商務、社交網(wǎng)絡等網(wǎng)絡應用已經(jīng)成為日常生活中不可分割的一部分,而各種應用針對不同用戶的個性化信息推薦已經(jīng)作為用戶獲取相關信息的重要途徑。然而在推薦系統(tǒng)中為了計算出準確的推薦結(jié)果,針對不同用戶的個性化推薦系統(tǒng)中為了獲取更加精確的推薦需要更廣泛的收集用戶上下文信息。上下文感知的推薦系統(tǒng)中通過引入上下環(huán)境信息來為用戶做出推薦。上下文感知推薦系統(tǒng)相比傳統(tǒng)推薦系統(tǒng)更具有準確性,同時又兼具普適計算及個性化等優(yōu)勢,可進一步提高推薦系統(tǒng)的準確性和用戶的滿意度。在上下文感知推薦系統(tǒng)中,搜集了大量的包含各種與個體相關的上下文信息。這些信息的搜集和發(fā)布,使得推薦系統(tǒng)具有雙面性。一方面,這些信息的搜集和應用將會獲取更加準確的推薦結(jié)果,但與此同時也會帶來另一個反面,將會有更多的用戶隱私信息暴露。搜集和發(fā)布這些數(shù)據(jù)前如果沒有考慮到隱私相關問題,用戶的敏感信息往往能夠被攻擊者間接或直接的獲取到。若不重視用戶隱私保護的相關問題很可能會導致用戶個人信息被非法利用,甚至造成大量的經(jīng)濟或精神損失。所以對這些信息的隱私保護已經(jīng)成為互聯(lián)網(wǎng)隱私安全的重中之重。隱私安全在推薦系統(tǒng)中也是廣受關注的問題,也是當前研究熱點之一。傳統(tǒng)的k-匿名隱私保護是一種安全有效的隱私保護算法,但不能很好抵御一些同質(zhì)性或背景知識性攻擊。針對在推薦系統(tǒng)中用戶信息的隱私保護問題本文進行了如下研究:(1)分析和概述了推薦系統(tǒng)相關研究,以及在推薦系統(tǒng)中隱私安全問題的相關技術,以及對最常用的k-匿名隱私保護算法進行了分析。(2)針對傳統(tǒng)k-匿名隱私保護算法的缺點本文提出了兩種改進的算法,通過滿足不同的匿名保護條件對用戶隱私進行保護。第一種是根據(jù)用戶敏感屬性值的隱私保護程度的不同對用戶信息的敏感屬性進行分組,并給不同的分組設置隱私保護程度,從而對多樣性的敏感信息進行有效的隱私保護;第二種是借助微聚集隱私保護的算法對用戶屬性進行保護,對用戶的準標識符和敏感屬性的沒有具體要求。(3)實驗驗證兩個保護算法均能實現(xiàn)在保護用戶隱私信息的前提下為用戶提供準確的個性化推薦。兩種算法所針對的是不同的類型的數(shù)據(jù)集進行不同的聚類和隱私保護處理并對其進行泛化。
[Abstract]:In the current era of the Internet e-commerce, social networking and other network applications have become an integral part of daily life, and an important way for various applications of personalized information recommendation of different users as the user has access to relevant information. However in recommender systems in order to calculate the recommended results accurately, according to the system in order to get more accurate recommendation needs to collect user context information more widely different users personalized recommendation. Context aware recommendation system by introducing the context information to make recommendations for users. Context aware recommender system compared with the traditional recommendation system is more accurate, and both pervasive computing and personalized and other advantages, can further improve the recommendation system the accuracy and user satisfaction. In the context aware recommendation system, the collection contains a variety of large The context information associated with the individual. The information collection and dissemination, the recommendation system has two sides. On the one hand, the collection and application of this information will get recommended more accurate results, but at the same time will bring another side, there will be more exposed. User privacy information collection and dissemination of these data if without considering the relevant issues of privacy, the user's sensitive information often can be direct or indirect access to the attacker. If we do not pay attention to issues related to user privacy protection is likely to lead to users of illegal use of personal information, and even caused a lot of economic or spiritual loss. So the information privacy protection has become a priority among priorities Internet privacy. Privacy and security in recommender systems is also concern, is also one of the research hotspots. The traditional k- anonymous privacy protection Nursing is a safe and effective privacy protection algorithm, but it is not good to resist some homogeneity or background knowledge attack. For this problem the protection of user privacy information in recommendation systems of the research are as follows: (1) analysis and overview of related research on recommender system, related technology and privacy in Recommendation System Security issues k-, and the anonymous privacy protection algorithm is the most commonly used are analyzed. (2) aiming at the disadvantages of the traditional k- anonymous privacy protection algorithm and two improved algorithms are put forward, through to meet the different conditions of anonymity to protect user privacy. The first one is the sensitive attributes were grouped according to the degree of privacy sensitive user attributes the value of different user information, and give different packet privacy settings, and sensitive information on the diversity of effective privacy protection; the second is to borrow To help micro aggregation privacy protection algorithm for the protection of the user attributes, there is no specific requirements for the user's Quasi identifiers and sensitive attributes. (3) experimental validation of two protection algorithm can achieve accurate personalized recommendation for users on the premise of protecting user privacy information. Two algorithms are for different types the data sets of different clustering and privacy protection processing and generalization on it.

【學位授予單位】：新疆大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP309;TP391.3

【參考文獻】

相關期刊論文 前9條

1 高全力;高嶺;楊建鋒;王海;;上下文感知推薦系統(tǒng)中基于用戶認知行為的偏好獲取方法[J];計算機學報;2015年09期

2 張學軍;桂小林;伍忠東;;位置服務隱私保護研究綜述[J];軟件學報;2015年09期

3 孟祥武;陳誠;張玉潔;;移動新聞推薦技術及其應用研究綜述[J];計算機學報;2016年04期

4 葉阿勇;李亞成;馬建峰;許力;;基于服務相似性的k-匿名位置隱私保護方法[J];通信學報;2014年11期

5 孟祥武;王凡;史艷翠;張玉潔;;移動用戶需求獲取技術及其應用[J];軟件學報;2014年03期

6 楊興耀;于炯;吐爾根·依布拉音;廖彬;錢育蓉;;融合奇異性和擴散過程的協(xié)同過濾模型[J];軟件學報;2013年08期

7 王國霞;王麗君;劉賀平;;個性化推薦系統(tǒng)隱私保護策略研究進展[J];計算機應用研究;2012年06期

8 劉棟;孟祥武;陳俊亮;夏亞梅;;上下文感知系統(tǒng)中的規(guī)則生成與匹配算法[J];軟件學報;2009年10期

9 李蕊;李仁發(fā);;上下文感知計算及系統(tǒng)框架綜述[J];計算機研究與發(fā)展;2007年02期

相關博士學位論文 前2條

1 許楠;基于本體的上下文感知計算關鍵技術研究[D];大連海事大學;2015年

2 王立才;上下文感知推薦系統(tǒng)若干關鍵技術研究[D];北京郵電大學;2012年

相關碩士學位論文 前4條

1 張剛景;實現(xiàn)敏感屬性多樣性的微聚集算法研究[D];重慶大學;2014年

2 張微;數(shù)據(jù)發(fā)布中隱私保護算法的研究[D];南京郵電大學;2012年

3 夏贊珠;微數(shù)據(jù)發(fā)布中的隱私保護匿名化算法研究[D];浙江師范大學;2011年

4 滿娜;一種基于K-匿名的隱私保護算法[D];哈爾濱工程大學;2011年

，

本文編號：1378760