在信息超载愈发严重的时代,推荐系统已成为Internet企业为用户提供在线服务的核心功能之一。然而,在推荐过程中易造成用户敏感数据信息的泄露。为了提高用户的隐私保护程度,优化用户的使用体验,针对目前流行的协同过滤推荐算法,设计并实现了一种基于差分隐私的协同过滤推荐系统。该推荐算法结合差分隐私技术,通过引入拉普拉斯噪声的手段,达到隐私保护的目的。数据分析结果表明,基于差分隐私的协同过滤推荐系统可以保护用户的隐私,不会严重影响推荐的准确率,很好地满足用户需求。
科研之友
微信
新浪微博
Facebook
分享链接
