分层次隐私保护的推荐系统及基于该推荐系统的作业方法技术方案

本发明专利技术公开了一种分层次隐私保护的推荐系统及基于该推荐系统的作业方法，该系统包括客户端/浏览器及数据库，提供与服务器交换数据的接口，接收用户输入的个人信息及服务请求，将所述个人信息存储至客户端/浏览器的数据库中，将所述服务请求发送至代理服务器，以及将推荐服务器返回的推荐结果显示给用户；代理服务器及数据库，接收用户的服务请求，并响应所述服务请求，接收推荐服务器的推荐结果，并根据所述推荐结果向用户进行推荐；多个推荐服务器及数据库，存储以及管理推荐系统中的项目资源，根据用户评分信息合作产生满足用户服务请求的推荐。该系统解决了用户在使用推荐系统进行推荐、查询以及小数据冷启动等应用场景下的隐私保护问题。

【技术实现步骤摘要】

本专利技术属于数据挖掘领域，尤其涉及一种分层次隐私保护的推荐系统及基于该推荐系统的作业方法。
技术介绍
随着互联网的兴起和各种智能终端的普及，人们产生的各种信息都被大规模数字化，使数字化信息呈指数级爆炸式增长。面对海量数据中蕴藏的知识和规则，数据挖掘和推荐系统应运而生。一些线上的电子商务、音乐、电影、社交网络等网站中也大多开发应用了推荐系统或模块。在这些推荐系统或模块应用的同时，对推荐系统的隐私保护越来越引起人们的重视。现有推荐系统的隐私保护主要涉及以下问题，一方面，推荐系统在产生推荐时存在单方面拥有的数据不足以获取最终结果的情况，因而不同的组织或个人之间的合作计算逐渐增加，即多方协同推荐。在推荐系统中，商家拥有的数据涉及到用户隐私，比如用户的通话记录，消费信息等，但为了获得推荐结果必须通过多个商家的合作计算得出，多方合作进行数据挖掘的同时必须保护各自的私有数据安全。出于商业机密或是用户隐私的考虑，合作计算通常会受到限制，甚至会为了数据安全放弃合作计算的进行，从而影响推荐结果的有效性。另一方面，推荐系统在运行过程中需要收集很多的用户信息。既包括直接要求用户提供的静态信息，如系统注册时所输入的性别、年龄、职业、喜好等信息，又包括用户使用系统时产生的行为信息。比如点击、浏览、搜索关键词、收藏等。数据隐私可以是用户不愿意被披露的数据或者是这些数据所表现的特征。用户可能在不知情的情况下将涉及到个人隐私的信息泄露给了推荐系统。目前的数据挖掘以及推荐系统领域的隐私保护技术，大多仅针对特定数据和特定环节进行处理。如用户评分数据，用户医疗数据等进行加扰、变换、匿名等操作，或是在推荐算法中引入聚类等机制来进行隐私保护。另外，现有推荐系统的隐私保护策略一般基于预设的模型对数据进行控制，用户的参与度低、可控性差，而随着用户的隐私保护的意识的提高，更多的用户希望根据其自身对隐私信息的敏感程度采取对应的保护措施。
技术实现思路
本专利技术所要解决的技术问题之一是需要提供一种推荐系统以解决现有隐私保护技术中保护层次不完全，用户参与度低的问题。为了解决上述技术问题，本申请的实施例提供了一种分层次隐私保护的推荐系统，包括：客户端/浏览器及数据库，提供与服务器交换数据的接口，接收用户输入的个人信息及服务请求，将所述个人信息存储至客户端/浏览器的数据库中，将所述服务请求发送至代理服务器，以及将推荐服务器返回的推荐结果显示给用户；代理服务器及数据库，接收用户的服务请求，并响应所述服务请求，接收推荐服务器的推荐结果，并根据所述推荐结果向用户进行推荐；多个推荐服务器及数据库，存储以及管理推荐系统中的项目资源，根据用户评分信息合作产生满足用户服务请求的推荐。本申请的实施例还提供了一种基于如权利要求1所述的系统的推荐方法，包括以下作业步骤：客户端/浏览器接收目标用户输入的服务请求及个人信息；代理服务器广播目标用户的ID；各推荐服务器根据本地用户的项目评分矩阵计算目标用户与其他用户的相似度，并根据预设的协议在发起推荐的推荐服务器处得到相似度的明文并集；发起推荐的推荐服务器基于所述相似度的明文并集确定全局相似度阈值，并广播至其他推荐服务器；各推荐服务器根据所述全局相似度阈值、并基于协同过滤推荐算法合作产生满足用户服务请求的推荐。优选地，所述根据预设的协议在发起推荐的推荐服务器处得到相似度的明文并集，包括以下作业步骤：各推荐服务器使用非对称加密算法生成公钥PKi和私钥SKi，并将公钥PKi进行广播，将私钥SKi存储于本地；各推荐服务器将本地的目标用户与其他用户的相似度集合Si(1≤i≤n且n≥3)打乱并根据推荐服务器的数目n对Si进行划分，每份的大小随机，使用第j+1 mod n个推荐服务器的公钥PKj+1 mod n加密Si的第j份数据Si,j(1≤j≤n)，并将加密得到的EPKj+1 mod n(Si,j)发送至第j个推荐服务器；第j个推荐服务器将接收到的数据EPKj+1 mod n(Si,j)(1≤j≤n)发送至推荐服务器i+1 mod n；推荐服务器i+1 mod n使用私钥SKi+1 mod n对数据进行解密，求得并集∪j(Sj，i)，并将所述并集发送至发起推荐的推荐服务器；发起推荐的推荐服务器将获得的数据取并集，得到∪i(∪j(Sj，i)＝∪i(Si)(1≤i≤n),向各推荐服务器广播Si的并集。优选地，所述各推荐服务器根据所述全局相似度阈值、并基于协同过滤推荐算法合作产生满足用户服务请求的推荐，包括以下作业步骤：各推荐服务器根据所述全局相似度阈值分别调整各自的最近邻，并采用协同过滤算法合作计算项目预测评分；发起推荐的推荐服务器将所述项目预测评分的结果由高到低排列并取设定数目的项目作为推荐结果。优选地，各推荐服务器根据以下表达式合作计算项目预测评分： p ( u , i ) = R u ‾ + Σ s = 1 n Σ v s ∈ N s s i m ( u , v s ) × ( R ( v s , i ) - R v s ‾ ) Σ s = 1 n 本文档来自技高网...

【技术保护点】
一种分层次隐私保护的推荐系统，包括：客户端/浏览器及其数据库，提供与服务器交换数据的接口，接收用户输入的个人信息及服务请求，将所述个人信息存储至客户端/浏览器的数据库中，将所述服务请求发送至代理服务器，以及将推荐服务器返回的推荐结果显示给用户；代理服务器及其数据库，接收用户的服务请求，并响应所述服务请求，接收推荐服务器的推荐结果，并根据所述推荐结果向用户进行推荐；多个推荐服务器及其数据库，存储以及管理推荐系统中的项目资源，根据用户评分信息合作产生满足用户服务请求的推荐。

【技术特征摘要】
1.一种分层次隐私保护的推荐系统，包括：客户端/浏览器及其数据库，提供与服务器交换数据的接口，接收用户输入的个人信息及服务请求，将所述个人信息存储至客户端/浏览器的数据库中，将所述服务请求发送至代理服务器，以及将推荐服务器返回的推荐结果显示给用户；代理服务器及其数据库，接收用户的服务请求，并响应所述服务请求，接收推荐服务器的推荐结果，并根据所述推荐结果向用户进行推荐；多个推荐服务器及其数据库，存储以及管理推荐系统中的项目资源，根据用户评分信息合作产生满足用户服务请求的推荐。2.一种基于如权利要求1所述的系统的推荐方法，包括以下作业步骤：客户端/浏览器接收目标用户输入的服务请求及个人信息；代理服务器广播目标用户的ID；各推荐服务器根据本地用户的项目评分矩阵计算目标用户与其他用户的相似度，并根据预设的协议在发起推荐的推荐服务器处得到相似度的明文并集；发起推荐的推荐服务器基于所述相似度的明文并集确定全局相似度阈值，并广播至其他推荐服务器；各推荐服务器根据所述全局相似度阈值、并基于协同过滤推荐算法合作产生满足用户服务请求的推荐。3.根据权利要求2所述的推荐方法，其特征在于，所述根据预设的协议在发起推荐的推荐服务器处得到相似度的明文并集，包括以下作业步骤：各推荐服务器使用非对称加密算法生成公钥PKi和私钥SKi，并将公钥PKi进行广播，将私钥SKi存储于本地；各推荐服务器将本地的目标用户与其他用户的相似度集合Si(1≤i≤n且n≥3)打乱并根据推荐服务器的数目n对Si进行划分，每份的大小随机，使用第j+1modn个推荐服务器的公钥PKj+1mod n加密Si的第j份数据Si,j(1≤j≤n)，并将加密得到的EPKj+1mod n(Si,j)发送至第j个推荐服务器；第j个推荐服务器将接收到的数据EPKj+1mod n(Si,j)(1≤j≤n)发送至推荐服务器i+1mod n；推荐服务器i+1mod n使用私钥SKi+1mod n对数据进行解密，求得并集∪j(Sj，i)，并将所述并集发送至发起推荐的推荐服务器；发起推荐的推荐服务器将获得的数据取并集，得到∪i(∪j(Sj，i)＝∪i(Si)(1≤i≤n),向各推荐服务器广播Si的并集。4.根据权利要求2或3所述的推荐方法，其特征在于，所述各推荐服务器根据所述全局相似度阈值、并基于协同过滤推荐算法合作产生满足用户服务请求的推荐，包括以下作业步骤：各推荐服务器根据所述全局相似度阈值分别调整各自的最近邻，并采用协同过滤算法合作计算项目预测评分；发起推荐的推荐服务器将所述项目预测评分的结果由高到低排列并取设定数目的项目作为推荐结果。5.根据权利要求4所述的推荐方法，其特征在于，各推荐服务器根据以下表达式合作计算项目预测评分： p ( u , i ) = R u ‾ + Σ s = 1 n Σ v s ∈ N s s i m ( u , v s ) × ( R ( v s , i ) - ...

【专利技术属性】
技术研发人员：杨成，李晨，刘思雨，刘剑波，
申请(专利权)人：中国传媒大学，
类型：发明
国别省市：北京;11