×

基于本地差异私有项的协作过滤。 (英语) Zbl 1453.68071号

摘要:最近,基于项目的协同过滤吸引了很多关注。它根据用户报告的历史数据(即他们已经感兴趣的项目),向用户推荐他们可能感兴趣的新项目。如果推荐服务不完全可信,则所报告的历史数据将导致重大隐私风险。许多研究侧重于开发不同的隐私机制来保护各种建议中的个人数据。然而,这些机制中的大多数都无法确保建议的准确性。这个问题的主要原因是这些方法直接从扰动数据计算相似性。因此,计算出的相似性总是不准确的,这种不准确的相似性最终会导致不准确的推荐结果。本文提出了一种基于局部差异私有项的协同过滤框架,该框架在用户端保护用户的私有历史数据,在服务器端重建相似度以确保推荐的准确性。通过估计既没有评级,也没有评级其中一个或两个的用户数量,可以重建每对项目的相似性。最终的推荐是由重建的相似性生成的。实验结果表明,我们提出的方法在推荐准确性以及隐私和准确性之间的权衡方面明显优于现有方法。

MSC公司:

68第27页 数据隐私
68单位35 信息系统的计算方法(超文本导航、接口、决策支持等)
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 巴西利,R。;Smith,A.D.,简洁直方图的本地、私有、高效协议,第47届美国计算机学会计算机理论研讨会论文集,美国俄勒冈州波特兰市STOC,127-135(2015),6月14-17日,doi:10.1145/2746539.2746632·Zbl 1321.94037号
[2] Boutet,A。;弗雷,D。;Guerraoui,R。;Jégou,A。;Kermarrec,A.,《隐私保护分布式协同过滤》,《计算》,98,8,827-846(2016)
[3] Calandrino,J.A。;基尔策,A。;Narayanan,A。;费尔顿,E.W。;Shmatikov,V.,“你可能也喜欢:”协作过滤的隐私风险,第32届IEEE安全与隐私研讨会论文集,标准普尔,231-246(2011),2011年5月22日至25日,美国加利福尼亚州伯克利,doi:10.1109/SP.2011.40
[4] 科尔莫德,G。;Kulkarni,T。;Srivastava,D.,《本地差异隐私下的边际发布》,《国际数据管理会议记录》,SIGMOD会议,美国德克萨斯州休斯顿,131-146(2018),2018年6月10日至15日,doi:10.1145/3183713.3196906
[5] Deshpande,M。;Karypis,G.,基于项目的顶级推荐算法,ACM Trans。信息系统。,22, 1, 143-177 (2004)
[6] 戴安娜·G。;佐丹,M。;Perri,P.F.,《随机回应调查:一些隐私保护措施的说明》,MASA,8,1,19-28(2013)
[7] 杜,W。;Zhan,J.Z.,使用随机响应技术进行隐私保护数据挖掘,第九届ACM SIGKDD国际知识发现和数据挖掘会议论文集,美国华盛顿特区,505-510(2003),2003年8月24日至27日,doi:10.1145/956750.956810
[8] 杜奇,J.C。;M.I.乔丹。;温赖特,M.J.,隐私意识学习,J.ACM,61,6,38:1-38:57(2014)·Zbl 1321.68400号
[9] Dwork,C.,微分隐私,第33届国际自动机学术讨论会论文集,语言与编程ICALP,意大利威尼斯,2006年7月10日至14日,第二部分,1-12(2006)·Zbl 1133.68330号
[10] 俄勒冈州埃尔林森。;Pihur等人。;Korolova,A.,RAPPOR:随机化可聚合隐私保护有序响应,《ACM SIGSAC计算机和通信安全会议论文集》,美国亚利桑那州斯科茨代尔,1054-1067(2014),2014年11月3-7日,doi:10.1145/2660267.2660348
[11] 冯·W。;Wang,J.,将异构信息用于社会标签系统中的个性化标签推荐,第18届ACM SIGKDD国际知识发现和数据挖掘会议论文集,KDD,中国北京,1276-1284(2012),2012年8月12-16日,doi:10.1145/2339530.2339729
[12] 弗里德曼,A。;Schuster,A.,《具有差异隐私的数据挖掘》,第16届ACM SIGKDD国际知识发现和数据挖掘会议论文集,美国华盛顿特区,493-502(2010),2010年7月25日至28日,doi:10.1145/1835804.1835868
[13] Goldberg,K.Y。;罗德,T。;古普塔,D。;Perkins,C.,Eigentaste:一种恒定时间协同过滤算法,Inf.Ret。,4, 2, 133-151 (2001) ·Zbl 0989.68052号
[14] Guerraoui,R。;Kermarrec,A。;帕特拉·R。;Taziki,M.,D2P:推荐人中基于距离的差异隐私,PVLDB,8,8,862-873(2015)
[15] 古普塔,A。;Hardt,M。;Roth,A。;Ullman,J.,《私下发布连词和统计查询障碍》,第43届ACM计算机理论研讨会论文集,STOC,加州圣何塞,美国,2011年6月6日至8日,803-812(2011),doi:10.1145/1993636.1993742·Zbl 1288.68141号
[16] 海伊,M。;拉斯托吉,V。;米克劳,G。;Suciu,D.,通过一致性提高差异私有直方图的准确性,PVLDB,3,1,1021-1032(2010)
[17] Herlocker,J.L。;Konstan,J.A。;Borchers,A。;Riedl,J.,《执行协同过滤的算法框架》,第22届国际ACM SIGIR信息检索研究与开发会议论文集SIGIR,1999年8月15日至19日,230-237(1999),美国加州伯克利,doi:10.1145/312624.312682
[18] 姜建勇。;李,C.-T。;Lin,S.-D.,《走向更可靠的隐私保护推荐系统》,《信息科学》。(纽约),482,248-265(2019)
[19] Kairouz,P。;哦,S。;Viswanath,P.,微分隐私的合成定理,IEEE Trans。《信息论》,63、6、4037-4049(2017)·Zbl 1401.94185号
[20] Kasiviswanathan,S.P。;香港李。;尼西姆,K。;Raskhodnikova,S。;Smith,医学博士,我们可以私下学习什么?,SIAM J.计算。,40, 3, 793-826 (2011) ·兹比尔1235.68093
[21] Ko,H。;Ko,I。;Lee,D.,物联网环境中个性化协同过滤的多标准矩阵定位和集成,Multimed。工具应用。,77, 4, 4697-4730 (2018)
[22] 李,J。;杨,J。;Zhao,Y。;刘,B。;周,M。;毕,J。;Wang,Q.,《实施共享协同过滤的差异隐私》,IEEE Access,5,35-49(2017)
[23] 李毅。;刘,S。;Wang,J。;Liu,M.,基于本地聚类的个性化差异隐私框架,用于基于用户的协同过滤,第22届国际会议数据库系统高级应用会议记录,DASFAA,中国苏州,2017年3月27日至30日,第一部分,543-558(2017)
[24] 刘,X。;刘,A。;张,X。;李,Z。;刘,G。;赵,L。;Zhou,X.,《当差异隐私遇到随机扰动:隐私保护推荐系统的混合方法》,《第22届高级应用国际会议数据库系统会议论文集》,DASFAA,中国苏州,576-591(2017),2017年3月27日至30日,第一部分,doi:10.1007/978-3319-55753-3-36
[25] X孟。;王,S。;Shu,K。;李,J。;陈,B。;刘,H。;Zhang,Y.,《个性化隐私保护社会推荐》,第三十二届美国人工智能协会人工智能会议论文集,美国路易斯安那州新奥尔良(2018)
[26] 穆罕默德,N。;陈,R。;冯,B.C.M。;Yu,P.S.,用于数据挖掘的不同私有数据发布,第17届ACM SIGKDD国际知识发现和数据挖掘会议论文集,美国加利福尼亚州圣地亚哥,493-501(2011),2011年8月21日至24日,doi:10.1145/2020408.2020487
[27] 波拉特,H。;Du,W.,使用随机响应技术实现私人建议,《知识发现和数据挖掘进展论文集》,第十届亚太会议,PAKDD,新加坡,637-646(2006),2006年4月9日至12日,doi:10.1007/11731139_73
[28] Polatidis,N。;乔治亚迪斯,C.K。;皮梅尼迪斯,E。;Mouratidis,H.,基于随机扰动的隐私保护合作建议,专家系统。申请。,71, 18-25 (2017)
[29] 秦,Z。;Yang,Y。;Yu,T。;哈利勒,I。;Xiao,X。;Ren,K.,具有局部差异隐私的集值数据的重量级估计,《ACM SIGSAC计算机和通信安全会议论文集》,奥地利维也纳,192-203(2016),10月24-28日,doi:10.1145/2976749.2978409
[30] 库姆西耶,R。;Ng,Y.,预测多媒体项目的评级以提出个性化建议,第35届国际ACM SIGIR信息检索研究与开发会议论文集,SIGIR,波特兰,俄勒冈州,美国,475-484(2012),2012年8月12-16日,doi:10.1145/2348283.2348349
[31] 任,X。;Yu,C。;于伟(Yu,W.)。;Yang,S。;杨,X。;McCann,J.A。;Yu,P.S.,LOPUB:具有本地差异隐私的高维众包数据发布,IEEE Trans。Inf.Forens公司。安全。,13, 9, 2151-2166 (2018)
[32] 萨瓦尔,B.M。;Karypis,G。;Konstan,J.A。;Riedl,J.,基于项目的协同过滤推荐算法,第十届国际万维网会议论文集,WWW,中国香港,2001年5月1日至5日,doi:10.1145/371920.372071
[33] Sei,Y。;Ohsuga,A.,《基于随机多个假人的不可信移动人群感知差异私人数据收集和分析》,IEEE Trans。Inf.Forens公司。安全。,926-939年4月12日(2017年)
[34] 沈毅。;Jin,H.,《隐私保护个性化推荐:基于实例的差异隐私方法》,IEEE数据挖掘国际会议论文集,ICDM,中国深圳,540-549(2014),2014年12月14-17日,doi:10.1109/ICDM.2014.140
[35] 沈毅。;Jin,H.,Epicrec:走向个性化推荐的实用差异私有框架,ACM SIGSAC计算机和通信安全会议论文集,奥地利维也纳,180-191(2016),2016年10月24日至28日,doi:10.1145/2976749.2978316
[36] Shin,H。;Kim,S。;Shin,J。;Xiao,X.,推荐局部差异隐私的隐私增强矩阵分解,IEEE Trans。知识。数据工程,3017700-1782(2018)
[37] Wang,J。;王,N。;Jin,H.,背景很重要?:添加模糊处理选项如何影响最终用户的数据披露决策,《第21届智能用户界面国际会议论文集》,IUI,Sonoma,CA,USA,299-304(2016),3月7日至10日,doi:10.1145/285677.2856817
[38] 王,S。;黄,L。;王,P。;邓,H。;Xu,H。;Yang,W.,众包中的私有加权直方图聚合,《无线算法、系统和应用程序第11届国际会议论文集》,WASA,Bozeman,MT,USA,250-261(2016),8月8-10日,doi:10.1007/978-3319-42836-9_23
[39] Wang,T。;布洛克,J。;李,N。;Jha,S.,频率估计的局部差异私有协议,第26届USENIX安全研讨会论文集,USENIX-Security,加拿大不列颠哥伦比亚省温哥华,729-745(2017)
[40] Warner,S.L.,《随机反应:消除回避回答偏见的调查技术》,美国统计协会,60,309,63-69(1965),PMID:12261830,doi:10.1080/01621459.1965.10480775·Zbl 1298.62024号
[41] Wu,Z。;李·G。;刘,Q。;徐,G。;Chen,E.,在个性化推荐中涵盖敏感主题以保护个人隐私,IEEE Trans。服务。计算。,11, 3, 493-506 (2018)
[42] 张,B。;王,N。;Jin,H.,在线推荐系统中的隐私问题:控制和用户数据输入的影响,第十届可用隐私和安全研讨会论文集,SOUPS,Menlo Park,CA,USA,159-173(2014)
[43] 张,F。;李,V.E。;Choo,K.R.,Jo-dpmf:通过联合优化的差异私有矩阵分解学习,Inf.Sci。(纽约),467,271-281(2018)·Zbl 1441.68219号
[44] 张,F。;李,V.E。;金·R。;加格,S。;Choo,K.R。;马斯伯格,M。;Dong,L。;Cheng,C.,《隐私感知智能城市:协同过滤推荐系统案例研究》,J.Parallel Distribute.Compute。,127, 145-159 (2019)
[45] 张,Z。;Wang,T。;李,N。;He,S。;Chen,J.,CALM:局部差异隐私下边缘发布的一致自适应局部边缘,《ACM SIGSAC计算机和通信安全会议论文集》,CCS,加拿大安大略省多伦多,212-229(2018),2018年10月15-19日,doi:10.1145/3243734.3243742
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。