面向商品推荐的差分隐私保护算法研究

发布时间：2021-01-31 20:49

　　随着数据规模的增长和网络商品经济的发展,推荐算法的重要性不言而喻。推荐算法旨在利用数据挖掘等技术为用户提供个性化推荐。在具体的商品推荐中需要利用用户对商品的反馈,这其中不可避免地存在着泄露用户隐私的风险。差分隐私具有高隐私性特点,已成为隐私保护领域的一个通用标准。本文就其中两个具体的问题,研究了面向商品推荐的差分隐私保护算法。其一,针对频繁项集挖掘的隐私保护研究。商品推荐过程中,历史消费数据充足时,为了发现商品-商品之间潜在的联系,推荐系统往往需要挖掘频繁项集,这一过程需要保护用户对商品的历史消费和评价等隐私信息。为此,本文研究了在保护差分隐私的要求下,高维数据集中挖掘频繁项集的问题,并提出了PrivBUD-Wise算法。与传统算法会导致额外的信息损失不同,PrivBUD-Wise算法不对原始数据集做任何改动,通过合理分配隐私预算来提高算法效用。为了实现这一目标,本文提出了一个新的差分隐私保护机制:SRNM机制,并对其作了严格的数学证明。另外,PrivBUD-Wise算法率先提出一种有偏隐私预算分配策略,更充分地利用频繁项集挖掘问题的特点,在数据效用和时间效率上取得了改进。本文通过三个... 

【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校

【文章页数】：85 页

【学位级别】：硕士

【部分图文】：

图１．２差分隐私模型示意图??

１０?＝?｛ｃ?Ｇ?Ｃｋ＼ｃ．ｃｏｕｎｔ?＞?＾．｝；??ｕ?ｅｎｄ??Ｏｕｔｐｕｔ：?＼ＪｋＦｋ??３．１．２多臂老虎机??１．随机性多臂老虎机与ＵＣＢ算法??著名的随机性多臂老虎机（ｓｔｏｃｈａｓｔｉｃ?ｍｕｌｔｉ－ａｒｍｅｄ?ｂａｎｄｉｔｓ）问题是连续??选择问题的基础范例，其策略往往包含了?“探索与利用”（ｅｘｐｌｏｒａｔｉｏｎ?ａｎｄ?ｅｘｐｌｏｉｔａ？??ｔｉｏｎ）?的内在规律，并广泛地应用于在线学习?ｌ９Ｇ］、?商品推荐?等实际问题中。??在随机性多臂老虎机问题的定义中，包含一个学习者Ｌ和一个随机变量集??

图３．２臂群ｊＶａ?＝?｛ａ，?６，?ｃ，?ｄ｝不例图??


本文编号：3011552