两方参与的隐私保护协同过滤推荐研究

被引：16

作者：

张锋 ^{[1
,2
]}

孙雪冬 ^{[1
]}

常会友 ^{[1
]}

赵淦森 ^{[1
]}

机构：

[1] 中山大学软件学院

[2] 中山大学广东省信息安全重点实验室

来源：

电子学报 | 2009年 / 37卷 / 01期

基金：

广东省自然科学基金;

关键词：

隐私保护数据挖掘; 安全多方计算; 推荐系统; 协同过滤;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

隐私保护的协同过滤推荐研究致力于在确保高质、高效地产生推荐的同时有效地保护参与方的隐私.在数据分布存储,参与方大于2的情形,已有研究针对其核心任务——对指定项进行评分预测,以可交换的密码系统为主要技术,设计了一个隐私保护计算协议.但该协议不适用于参与方是2的情形.以安全比较计算和安全点积计算为基础安全设施,设计了一个协议,解决参与方是2的情况下对指定项进行评分预测的隐私保护问题,从而解决了隐私保护的两方协同计算问题.预测准确度与数据集中存放一样,证明了协议的正确性,并基于安全多方计算理论和模拟范例,证明其安全性,分析了时间复杂度和通信耗费.

引用

页码：84 / 89

页数：6

共 5 条

[1] 基于分布式数据的隐私保持协同过滤推荐研究 [J].