【技术实现步骤摘要】
【国外来华专利技术】不利用可信初始化器的秘密共享
技术介绍
随着技术和数据分析的发展,许多在线平台收集不同类型的数据。例如,电影评级平台从用户收集评级数据,而社交媒体平台从用户收集社交网络数据。这些收集的数据是有价值的,并且通常由相应的平台作为隐私信息保存。平台越来越关注数据隐私,并且并不想共享它们收集的数据,至少不共享原始形式的数据。
技术实现思路
本公开描述了不利用可信初始化器在例如两个平台之间共享秘密以提供社交推荐的方法和系统。在实施方式中,计算机实现的方法,包括:对象评级和推荐平台识别评级数据,所述评级数据包括针对多个用户的多个对象的对应评级;所述对象评级和推荐平台识别包括多个用户特征的用户特征数据,所述用户特征有助于针对所述多个用户的所述多个对象的所述对应评级;所述对象评级和推荐平台经由不利用可信初始化器的秘密共享方案,从社交网络平台接收基于社交网络数据和多个第一随机变量计算得到的多个经操作的社交网络数据,其中,所述社交网络数据表示所述多个用户中的任意两个用户之间的社交关系,其中,在所述不利用可信初始化器的秘密共享方案中,所述社交网络平台与所述对象评级和推荐平台共享所述多个经操作的社交网络数据而不公开所述社交网络数据;以及由所述对象评级和推荐平台基于所述评级数据和所述多个所述经操作的社交网络数据更新用户特征数据。前述实施方式可使用计算机实现的方法、非暂态计算机可读介质以及计算机实现的系统实现;所述非暂态计算机可读介质存储用于执行所述计算机实现的方法的计算机可读指令;所述计算机实现的系统包括计算机存储器,所述计算机存储器与硬件处理器互操作地耦接,被配置成执行所述计算机实现的方法 ...
【技术保护点】
1.一种计算机实现的方法,包括:对象评级和推荐平台识别评级数据,所述评级数据包括针对多个用户的多个对象的对应评级;所述对象评级和推荐平台识别包括多个用户特征的用户特征数据,所述用户特征有助于针对所述多个用户的所述多个对象的所述对应评级;所述对象评级和推荐平台经由不利用可信初始化器的秘密共享方案,从社交网络平台接收基于社交网络数据和多个第一随机变量计算得到的多个经操作的社交网络数据,其中,所述社交网络数据表示所述多个用户中的任意两个用户之间的社交关系,其中,在所述不利用可信初始化器的秘密共享方案中,所述社交网络平台与所述对象评级和推荐平台共享所述多个经操作的社交网络数据而不公开所述社交网络数据;以及所述对象评级和推荐平台基于所述评级数据和所述多个经操作的社交网络数据更新所述用户特征数据。
【技术特征摘要】
【国外来华专利技术】1.一种计算机实现的方法,包括:对象评级和推荐平台识别评级数据,所述评级数据包括针对多个用户的多个对象的对应评级;所述对象评级和推荐平台识别包括多个用户特征的用户特征数据,所述用户特征有助于针对所述多个用户的所述多个对象的所述对应评级;所述对象评级和推荐平台经由不利用可信初始化器的秘密共享方案,从社交网络平台接收基于社交网络数据和多个第一随机变量计算得到的多个经操作的社交网络数据,其中,所述社交网络数据表示所述多个用户中的任意两个用户之间的社交关系,其中,在所述不利用可信初始化器的秘密共享方案中,所述社交网络平台与所述对象评级和推荐平台共享所述多个经操作的社交网络数据而不公开所述社交网络数据;以及所述对象评级和推荐平台基于所述评级数据和所述多个经操作的社交网络数据更新所述用户特征数据。2.如权利要求1所述的计算机实现的方法,其中,在所述不利用可信初始化器的秘密共享方案中,所述对象评级和推荐平台与所述社交网络平台共享多个经操作的用户特征数据而不公开所述用户特征数据,其中,所述多个经操作的用户特征数据是基于所述用户特征数据和多个第二随机变量计算得到的。3.如权利要求2所述的计算机实现的方法,还包括,在所述不利用可信初始化器的秘密共享方案中:所述对象评级和推荐平台获得所述用户特征数据的向量;所述对象评级和推荐平台基于所述用户特征数据的向量和所述多个第二随机变量生成第一经操作的用户特征数据;所述对象评级和推荐平台向所述社交网络平台发送第一经操作的用户特征数据;所述对象评级和推荐平台从所述社交网络平台接收基于所述社交网络数据和所述多个第一随机变量计算得到的第一经操作的社交网络数据;以及所述对象评级和推荐平台基于所述第一经操作的用户特征数据、所述第一经操作的社交网络数据或所述多个第二随机变量中的两个或更多个生成一个所述经操作的用户特征数据。4.如权利要求2所述的计算机实现的方法,其中,更新所述用户特征数据包括:基于所述多个经操作的用户特征数据之一和所述多个经操作的社交网络数据之一的和,来计算所述用户特征数据和所述社交网络数据的乘积。5.如权利要求3所述的计算机实现的方法,其中,在不利用所述社交网络数据的情况下,通过计算所述多个经操作的用户特征数据之一与所述多个经操作的社交网络数据之一的和,来计算所述用户特征数据和所述社交网络数据的乘积,包括:对于所述用户特征数据和所述社交网络数据的乘积中的每项,在不利用所述社交网络数据的情况下,计算所述多个经操作的用户特征数据之一和所述多个经操作的社交网络数据之一。6.如权利要求1所述的计算机实现的方法,还包括:识别包括多个对象特征的对象特征数据,所述对象特征有助于针对所述多个用户的所述多个对象的所述对应评级,其中,所述用户特征数据和所述对象特征数据的乘积导致对所述评级数据的评估;以及基于所述评级数据、所述用户特征数据和所述多个经操作的社交网络数据更新所述对象特征数据。7.如权利要求5所述的计算机实现的方法,还包括:基于所述用户特征数据和所述对象特征数据的所述乘积,生成针对所述多个用户的所述多个对象的预测评级数据;以及基于所述预测评级数据生成针对特定用户的特定对象的推荐。8.如权利要求6所述的计算机实现的方法,其中,更新所述用户特征数据包括:求解优化问题,以使所述预测评级数据和评级数据之间的差、所述社交网络数据加权的所述用户特征数据以及防止过度拟合项的加权和最小。9.如权利要求7所述的计算机实现的方法,其中,求解优化问题包括求解以下等式:其中:Ui表示与用户i对应的所述用户特征数据的向量;Vj表示与对象j对应的所述对象特征数据的向量;Rij表示用户i对对象j的评级;Sik表示用户i和用户k之间的社交关系;λ1表示与所述社交网络数据相关联的预定义权重;以及λ2表示防止过拟合的预定义权重。10.一种非暂态的计算机可读介质,所述介质存储有能够由计算系统执行的从而执行包括以下操作的一个或多个指令:对象评级和推荐平台识别评级数据,所述评级数据包括针对多个用户的多个对象的对应评级的评级数据;所述对象评级和推荐平台识别包括多个用户特征的用户特征数据,所述用户特征有助于针对所述多个用户的所述多个对象的所述对应评级;所述对象评级和推荐平台经由不利用可信初始化器的秘密共享方案,从社交网络平台接收基于社交网络数据和多个第一随机变量计算得到的多个经操作的社交网络数据,其中,所述社交网络数据表明所述多个用户中的任意两个用户之间的社交关系,其中,在所述不利用可信初始化器的秘密共享方案中,所述社交网络平台与所述对象评级和推荐平台共享所述多个经操作的社交网络数据而不公开所述社交网络数据;以及所述对象评级和推荐平台基于所述评级数据和所述多个经操作的社交网络数据更新所述用户特征数据。11.如权利要求10所述的非暂态计算机可读介质,其中在所述不利用可信初始化器的秘密共享方案中,所述对象评级和推荐平台与所述社交网络平台共享多个经操作的用户特征数据而不公开所述用户特征数据,其中所述多个经操作的用户特征数据是基于所述用户特征数据和第二随机变量计算得到的;以及其中更新所述用户特征数据包括基于所述...
【专利技术属性】
技术研发人员:陈超超,周俊,
申请(专利权)人:阿里巴巴集团控股有限公司,
类型:发明
国别省市:开曼群岛,KY
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。