[發明專利]個性化搜索中基于信任的隱私保持的協同過濾推薦方法

在審

• 申請號: 201410308536.X
• 申請日: 2014-06-26
• 公開（公告）號: CN104156388A
• 公開（公告）日: 2014-11-19
• 發明（設計）人: 吳旭
• 申請（專利權）人: 西安郵電大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F21/57
• 代理公司: 無
• 代理人: 無

技術領域

本發明涉及個性化搜索中基于信任的隱私保持的協同過濾推薦方法，基本思想是：首先目標用戶與協同過濾推薦系統之間通過自動信任協商，建立目標用戶對協同過濾推薦系統的執行行為的信任度T_cf；目標用戶將根據信任度T_cf來判定個人信息泄露的程度，協同過濾推薦系統收集目標用戶提供的個人信息并對用戶聚類得到一個初始的與目標用戶興趣相似的用戶集合；最后目標用戶從中選擇信任度不低于T_cf的相似用戶作為推薦對象。基于信任的隱私保持的協同過濾推薦方法能夠彌補現有的協同過濾推薦方法在個人信息的搜集建模過程中缺乏隱私保護的缺陷，實現了目標用戶對自身個人信息的披露程度的控制，為用戶隱私數據提供全面的保護。屬于計算機網絡領域。?

背景技術

Web已成為人們獲取信息的一個重要途徑，由于Web信息的日益增長，人們不得不花費大量的時間去搜索、瀏覽自己需要的信息。搜索引擎(search?engine)是最普遍的輔助人們檢索信息的工具，比如傳統的搜索引擎AltaVista，Yahoo和新一代的搜索引擎Google等。信息檢索技術滿足了人們一定的需要，但由于其通用的性質，仍不能滿足不同背景、不同目的和不同時期的查詢請求。基于協同過濾的推薦系統就是針對這個問題而提出來的，它為不同用戶提供不同的服務，以滿足不同的需求。協同過濾是根據用戶的相似性來推薦資源。它對用戶所描述的文件進行比較，并將用戶聚類，根據相似用戶來推薦資源，所以能為用戶推薦出新的感興趣的內容，實現主動推薦的目的。協同過濾推薦技術是個性化服務發展中最成功且應用最廣泛的推薦技術之一。?

然而在這一片繁榮的背后，一個巨大的威脅開始逐漸地浮現出來。互聯網的迅速發展使全球網民人數持續爆炸式增長，研究機構Forrester?Research公布的最新報告顯示，2013年之前，全球網民人數有望實現45％以上的高增長。預計到2013年全球網民人數將達到22億，其中亞洲網民的比例將高達43％，成為最主要的增長地區。這眾多的互聯網用戶中有許多人每天都會遭遇到各種類型的隱私侵犯。人們在使用便捷的搜索服務時不免開始擔心，自己的個人隱私究竟是否還處在安全地帶。由于基于協同過濾的推薦系統必須要搜集用戶的個人信息，從而能夠為不同用戶提供符合其個人興趣偏好的搜索結果。在這一過程中涉及到對用戶個人信息的搜集建模、傳輸使用和存取等操作，不可避免地引發了用戶隱私的安全問題。例如網絡傳輸導致的信息泄露，遭遇黑客攻擊導致的數據泄露，訪問控制策略失誤導致的數據泄露等。個人隱私往往包含具有重要價值的信息，如果這些信息被他人獲得，有可能會造成個人?名譽損失、精神損失或經濟損失，有鑒于此隱私成為個人希望保密的信息。而更為重要的是，在這些與用戶相關的信息中，除了個人隱私之外，還有可能涉及到國防和政府的機密信息，對國家安全造成不可估量的威脅，例如泄露我國目前戰略研究的方向、軍事技術研究的進展等等。?

出于隱私考慮，許多用戶不愿意提供個人信息，這極大妨礙了協同過濾推薦系統的普及和應用。因此，如何讓用戶提供推薦系統使用的必要信息且不泄露用戶的個人隱私成為協同過濾推薦系統發展中迫切需要解決的主要問題。現有的基于協同過濾的推薦系統是基于用戶之間有相似愛好，計算其間的相似度，來為目標用戶選取興趣相似的鄰居，并由其為目標用戶推薦產品。用戶隱私在協同過濾推薦系統中的生命周期包含三個階段：搜索建模、傳輸使用以及訪問存取。搜索建模階段被認為是隱私保護方案的眾中之重，在這一階段，推薦系統需要收集用戶的個人信息并通過建模對用戶聚類從而找到相似用戶為目標用戶推薦出新的感興趣的內容。如果在這一環節就出現個人信息和隱私的泄漏，那么即使其他環節的安全性在高也無法從根本上保證隱私信息的安全。?

目前的研究現狀表明目標用戶總是假設所使用的協同過濾系統是可信的，然而事實是現有的協同過濾推薦系統缺乏對個人信息和隱私的保護，推薦系統顯式地或者不顯式地向用戶告知，在搜索過程中個人信息將被搜集和利用，但是用戶無法控制推薦系統搜集自己的何種信息以及搜集到何種程度，以及將如何通過建模選取興趣相似的鄰居來為其推薦產品。因此用戶的個人隱私在用戶個人信息的收集并建模過程中無法得到充分的安全保障。尤其當目標用戶和推薦系統不在同一個安全域時，常規的訪問控制方法(如MAC，RBAC等)不能有效地對兩者的行為進行控制。?

為此迫切需要設計出一個新型的隱私保持的協同過濾推薦方法，在個人信息的搜集建模階段提供個性化隱私保護手段。?

發明內容