文献类型：期刊文章

作　　者：鲜征征[1,2] 李启良[2] 黄晓宇[3] 陆寄远[1] 李磊[2]

XIAN Zheng-zheng;LI Qi-liang;HUANG Xiao-yu;LU Ji-yuan;LI Lei(School of Internet Finance and Information Engineering,Guangdong University of Finance,Guangzhou,Guangdong 510521,China;School of Data and Computer Science,Sun Yat-sen University,Guangzhou,Guangdong 510006,China;School of Economics and Commerce,South China University of Technology,Guangzhou,Guangdong 510006,China)

机构地区：[1]广东金融学院互联网金融与信息工程学院,广东广州510521 [2]中山大学数据科学与计算机学院,广东广州510006 [3]华南理工大学经济与贸易学院,广东广州510006

出　　处：《电子学报》

基　　金：广东省自然科学基金(No.2017A030313391);广东省科技计划(No.2017A050501042,No.2016ZC0039,No.2017ZC0117);广东省哲学社科(No.GD15CGL05).

年　　份：2018

卷　　号：46

期　　号：12

起止页码：3050-3059

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：融合显/隐式信任关系的社会化协同过滤算法Trust SVD在推荐系统中有广泛的应用,但该算法存在用户隐私泄漏的风险.基于背景知识的用户个人隐私信息推断是当前Internet用户隐私信息泄漏的巨大隐患之一,差分隐私作为一种能为保护对象提供严格的理论保证的隐私保护机制而备受关注.本文把差分隐私保护技术引入Trust SVD中,提出了具有隐私保护能力的新模型DPTrust SVD.理论分析和实验结果显示,DPTrust SVD不仅为用户的隐私信息提供了严格的理论保证,而且仍然保持了较高的预测准确率.

关 键 词：社会化协同过滤  个人隐私保护 差分隐私  矩阵分解 信任关系 隐式信任  

分 类 号：TP311]