申请/专利权人：重庆邮电大学

申请日：2023-12-22

公开（公告）日：2024-03-22

公开（公告）号：CN117743690A

主分类号：G06F16/9535

分类号：G06F16/9535;G06F21/62

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明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LU，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topk的梯度和以及使用PM扰动，再使用公钥pka加密生成mi∈[1，n]，混洗器获得mi∈[1，n]，填充打乱顺序后得到mi∈[1，nl+v]，最后服务器通过解密无偏估计得到同时更新得到Vt；如此经过T轮后得到V。本发明具有良好的隐私保护性和模型准确性。

主权项：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：S1:用户对项目的评分矩阵其中用表示用户i对项目j的评分；训练的过程分别由服务器S，混洗器s，本地用户i∈[1,n]三方组成；其中n表示用户的个数，m表示项目的个数；S2：随机初始化矩阵其中是用户隐因子矩阵，表示矩阵U的第i行，代表第i个用户的隐因子向量，在本地用户i中保存；是项目隐因子矩阵，表示矩阵V的第j行，代表第j个项目的隐因子向量，在S中更新；d表示隐因子向量的维度；S3：针对所有用户i∈[1,n]；用户i收到来自S的Vt-1，结合用户i本身评分向量ri、第t-1轮的用户隐因子向量通过目标函数LU,V，求解得到其中t∈[1,T]表示训练的轮数,T代表要更新训练的总轮数；表示梯度；Vi表示用户i的项目矩阵；S4：针对所有用户i∈[1,n]；每个用户i本地跟新得到项目梯度矩阵为了方便表示将设定等于xi；用户i通过从xi中选取k*l个不重复的梯度索引，其中k个为最大的梯度对应的索引，剩余的kl-1个索引从除了最大k个索引之外随机选择；对其中最大的k个索引所对应的梯度使用PM机制进行扰动，其他索引所对应的值从PM机制对0进行扰动的分布中随机选取；进一步对用户i选取的k*l的索引及其对应位置通过PM机制产生的值生成生成idxi和yi；其中πr是对索引进行的一个随机排列操作，用于打乱排列顺序；将idxi和yi平均分成l条记录，得到将yj∈[1,l]通过公钥pka和加密函数E进行加密，将其与idxj∈[1,l]组合生成其中每个加密结果mj∈[1,l]由k个元素；pka为公钥，可以被参与的三方S、s、用户i知道；S5：s收到mi∈[1,n]；对f∈[1,D]每个维度中，加入nn,f＝np-npm,f个随机噪音；需要个虚假消息进行填充；其中每个消息有k个索引以及对应的随机噪音；进一步对u∈[1,v]，得到其中idxn+u为填充k个元素对应的索引，其中idxn+u从nn,f0中取k个不重复的索引，索引每被选择一次对应nn,f的值减一；是其使用pm对0进行扰动的分布中随机选取k个值进行pka加密后的结果；s打乱mi∈[1,nl+v]得到mπi∈[1,nl+v]；其中nl个是来自n个用户的消息每个用户l个；v个是s填充的消息；npm,f为第f个维度来自mi∈[1,n]的数目的总和；np是每个维度需要的总值；D＝d*m表示项目矩阵V的维度，也是需要在服务端聚合的的维度；这里，π是对索引进行的一个排列操作，意为打乱顺序；S6：S收到mπi∈[1,nl+c]，通过skS解密，以及无偏估计，得到然后结合Vt-1得到Vt；其中skS为私钥，只有S拥有；S7：重复S3到S6一共T次；S8：经过T轮迭代后,根据公式进行预测；当用户需要推荐时，本地ui会与服务器的V矩阵相乘，以生成预测评分，将没有用户i没有评分TOP-N评分对应的项目推荐给用户i。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于混洗器联邦差分隐私的矩阵分解推荐方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD