李启良
- 作品数：5 被引量：23H指数：3
- 供职机构：中山大学更多>>
- 发文基金：广东省自然科学基金广东省科技计划工业攻关项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 差分隐私保护在推荐系统中的应用研究被引量：12
- 2016年
- 推荐系统已经成为Internet商家给用户提供个性化服务的高级商务智能平台之一,然而,用于研究推荐系统的数据信息里往往存在能够被攻击者直接或者间接获取的个人隐私。近年来受到极大关注的差分隐私保护是一种非常严格的、可证明的隐私保护模型。针对目前流行的协同过滤算法之一的矩阵分解进行了研究,提出了采用差分隐私保护技术对原始输入数据进行预处理和扰动处理的新方法。最后通过在真实数据集上进行相关实验验证,结果表明提出的带差分隐私保护的矩阵分解算法达到了预期:既能保护用做推荐研究的原始数据集的隐私,又没有严重影响推荐的准确率。
- 鲜征征李启良
- 关键词：推荐系统个人隐私保护矩阵分解
- 融合显/隐式信任协同过滤算法的差分隐私保护被引量：8
- 2018年
- 融合显/隐式信任关系的社会化协同过滤算法Trust SVD在推荐系统中有广泛的应用,但该算法存在用户隐私泄漏的风险.基于背景知识的用户个人隐私信息推断是当前Internet用户隐私信息泄漏的巨大隐患之一,差分隐私作为一种能为保护对象提供严格的理论保证的隐私保护机制而备受关注.本文把差分隐私保护技术引入Trust SVD中,提出了具有隐私保护能力的新模型DPTrust SVD.理论分析和实验结果显示,DPTrust SVD不仅为用户的隐私信息提供了严格的理论保证,而且仍然保持了较高的预测准确率.
- 鲜征征鲜征征李启良黄晓宇李磊
- 关键词：个人隐私保护矩阵分解信任关系
- 一种基于差分隐私技术的协同过滤算法
- 本发明提供一种基于差分隐私技术的协同过滤算法，本发明算法针对优化算法ALS的目标函数进行加扰，并给出此时满足差分隐私的ALS目标函数加扰算法的参数求解的数学推导过程，大大降低加入推荐系统中的噪声量，保证推荐系统满足差分隐...
- 李启良鲜征征潘嵘
- 差分隐私在协同过滤算法中的应用研究被引量：3
- 2017年
- 利用背景知识间接推导出个人隐私信息已成为Internet用户更担忧的问题,定义极为严格且可证明的差分隐私保护是目前解决该问题的最有效的隐私保护技术。Berlioz等将差分隐私保护技术应用于协同过滤算法之一的矩阵分解中,虽然提出了新的算法,但是缺少严格的证明过程。针对他们提出的算法,将补充相应的数学证明,然后将Chaudhuri等提出的目标函数加扰方法灵活应用于ALS目标函数中。此外,还给出一种差分隐私保护参数的选择方案。最后,在两个真实数据集上的实验验证结果表明,所提出的ALS目标函数加扰方法取得了更好的推荐效果。
- 鲜征征李启良李改李磊
- 关键词：协同过滤个人隐私保护矩阵分解
- 一种基于差分隐私技术的协同过滤方法
- 本发明提供一种基于差分隐私技术的协同过滤算法，本发明算法针对优化算法ALS的目标函数进行加扰，并给出此时满足差分隐私的ALS目标函数加扰算法的参数求解的数学推导过程，大大降低加入推荐系统中的噪声量，保证推荐系统满足差分隐...
- 李启良鲜征征潘嵘
- 文献传递
