一种基于混洗器联邦差分隐私的矩阵分解推荐方法技术

本发明专利技术涉及一种基于混洗器联邦差分隐私的矩阵分解推荐方法，属于计算机推荐系统领域和信息安全领域。该方法具体包括：用户i∈[1，n]在本地通过L(U，V)，在第t∈[1，T]轮用户i求得用户i的隐因子向量项目隐因子矩阵的梯度并且选择中的top<subgt;k</subgt;的梯度和以及使用PM扰动，再使用公钥pk<subgt;a</subgt;加密生成m<subgt;i∈[1，n]</subgt;，混洗器获得m<subgt;i∈[1，n]</subgt;，填充打乱顺序后得到m<subgt;i∈[1，nl+v]</subgt;，最后服务器通过解密无偏估计得到同时更新得到V<supgt;t</supgt;；如此经过T轮后得到V。本发明专利技术具有良好的隐私保护性和模型准确性。

【技术实现步骤摘要】

本专利技术属于计算机推荐系统和信息安全领域，涉及一种基于混洗器联邦差分隐私的矩阵分解推荐方法。

技术介绍

1、推荐系统在当今数字化时代具有极其重要的地位和广泛应用，可以帮助企业提高销售额、用户满意度和用户留存率，同时也可以帮助用户节省时间和精力，提高信息获取效率和准确性。但如果这些数据被不当地收集、存储、使用或传播，可能会导致用户的隐私泄露，对用户造成潜在的风险和损失。在这种背景下，推荐系统需要考虑用户的隐私安全。

2、差分隐私是一种通过给数据加入噪音来保护隐私的技术，即使攻击者知道其他数据点的值，也无法确定给定数据点的真实值。该技术提供了数学证明方法来检测和提高隐私保护强度。联邦学习是一种多个参与方协同学习的技术，在保护数据隐私的同时提高模型训练效果。现在主流的联邦学习分为中心模型和本地模型两种，其中本地模型的差分隐私保护中，改变任意一个用户的数据，其对数据集处理结果的影响微乎其微，攻击者无法推测出任何单个用户的隐私信息。

技术实现思路

1、有鉴于此，本专利技术的目的在于提供一种基于混洗器联邦差本文档来自技高网...

【技术保护点】

1.一种基于混洗器联邦差分隐私的矩阵分解推荐方法，具体包括以下步骤：

2.根据权利要求1所述的一种基于混洗器联邦差分隐私的矩阵分解推荐方法，其特征在于：在所述步骤S3中，通过目标函数L(U,V)，求解具体包括以下步骤：

3.根据权利要求1所述的一种基于混洗器联邦差分隐私的矩阵分解推荐方法，其特征在于：在所述步骤S4中，对xi被选取的部分使用PM机制使其保证差分隐私的步骤具体如下：

4.根据权利要求1所述的一种基于混洗器联邦差分隐私的矩阵分解推荐方法，其特征在于：在所述步骤S6中，通过skS解密，以及无偏估计，更新得到Vt的步骤具体如下：

5...

【技术特征摘要】

1.一种基于混洗器联邦差分隐私的矩阵分解推荐方法，具体包括以下步骤：

2.根据权利要求1所述的一种基于混洗器联邦差分隐私的矩阵分解推荐方法，其特征在于：在所述步骤s3中，通过目标函数l(u,v)，求解具体包括以下步骤：

3.根据权利要求1所述的一种基于混洗器联邦差分隐私的矩阵分解推荐方法，其特征在于：在所述步骤s4中，对xi被选取的部分使用pm机制使其保证差分隐私的步骤具体如下：

【专利技术属性】
技术研发人员：王永，杨久裕，邓江洲，王淞立，杜晓春，陈钱宏，陈美玲，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人