基于可穿戴设备的保护隐私社交推荐系统

发布时间：2023-04-26 02:34

　　在线社交网络的快速发展丰富了用户的社交空间,但这使得用户的通讯录管理变得繁琐。同时,在线社交网络主要依赖于用户在网络空间的社交信息,却很少利用人们在物理世界中的社交活动信息。可穿戴设备的迅速发展给我们提供了一个从物理世界交互中挖掘用户社交信息的机会。与此同时,我们仍然面临着许多挑战。首先,可穿戴传感器数据存在异质性和不均衡性的问题。硬件设备和操作系统特性的差异会造成收集的数据存在噪音,导致数据质量存在差异。同时,不同的用户具有不同的体态和行为习惯,不同的活动发生频率也存在差异,这导致可穿戴传感器数据存在不均衡性。其次,不同于单人活动识别,用户的社交活动识别往往更加复杂,包含的行为活动往往不止一种。如何在资源受限的移动设备上设计高准确率低资源消耗的活动识别模型也是一个挑战。最后,在同一社交区域可能存在多个社交群组,如何从可穿戴传感器数据中准确识别出用户社交(特别是异步社交活动)的对象是一个很大的挑战,在此基础上我们还需要保证用户的隐私信息不被泄露。为了解决以上问题,我们提出了基于可穿戴设备的保护隐私社交推荐系统来帮助用户实现朋友推荐、好友自动标注等社交推荐功能,该论文的主要工作包括:(1...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 用户活动识别
        1.2.2 社交互动检测
        1.2.3 隐私安全保护
    1.3 主要研究内容
    1.4 论文组织结构
第2章 相关理论概述
    2.1 传感器信号处理分析
        2.1.1 数字信号采样
        2.1.2 数字信号滤波
    2.2 深度神经网络设计
        2.2.1 卷积神经网络
        2.2.2 可分卷积网络
    2.3 基于密码学的隐私保护
        2.3.1 隐私保护计算
        2.3.2 混淆电路与不经意传输
    2.4 本章小结
第3章 系统分析与设计
    3.1 系统定义与框架
        3.1.1 社交挖掘及隐私定义
        3.1.2 系统框架与功能模块
        3.1.3 分布式数据安全通信
    3.2 系统设计与建模
        3.2.1 运动传感器数据清洗
        3.2.2 用户间社交集群识别
        3.2.3 用户间交互群组检测
        3.2.4 多粒度语义数据发布
    3.3 本章小结
第4章 模型训练与优化
    4.1 实验环境数据
    4.2 用户活动识别
    4.3 社交互动检测
    4.4 本章小结
第5章 模型性能评估
    5.1 用户活动识别性能
    5.2 用户交互检测性能
    5.3 不同粒度数据评估
    5.4 本章小结
第6章 总结与展望
    6.1 本文工作
    6.2 未来展望
参考文献
致谢
在读期间发表的学术论文与取得的研究成果



本文编号：3801561