[發(fā)明專利]隱私保護矩陣因子分解的方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201480021770.2
• 申請日: 2014-05-01
• 公開（公告）號: CN105144625A
• 公開（公告）日: 2015-12-09
• 發(fā)明（設計）人: E.約安尼迪斯;E.溫斯伯格;N.A.塔夫脫;M.喬耶;V.尼古萊恩科
• 申請（專利權）人: 湯姆遜許可公司
• 主分類號: H04L9/00
• 分類號: H04L9/00;H04N21/466
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 呂曉章

相關申請的交叉引用

本申請要求于2013年8月9日提交的序列號為61/864088并且標題為“AMETHODANDSYSTEMFORPRIVACYPRESERVINGMATRIXFACTORIZATION”、序列號為61/864085并且標題為“AMETHODANDSYSTEMFORPRIVACYPRESERVINGCOUNTING”、序列號為61/864094并且標題為“AMETHODANDSYSTEMFORPRIVACY-PRESERVINGRECOMMENDATIONTORATINGCONTRIBUTINGUSERSBASEDONMATRIXFACTORIZATION”以及序列號為61/864098并且標題為“AMETHODANDSYSTEMFORPRIVACY-PRESERVINGRECOMMENDATIONBASEDONMATRIXFACTORIZATIONANDRIDGEREGRESSION”的美國臨時專利申請的權益和優(yōu)先權。另外，本申請要求于2013年12月19日提交的序列號為PCT/US13/76353并且標題為“AMETHODANDSYSTEMFORPRIVACYPRESERVINGCOUNTING”的PCT專利申請以及于2013年3月4日提交的序列號為61/772404并且標題為“PRIVACY-PRESERVINGLINEARANDRIDGEREGRESSION”的美國臨時專利申請的權益和優(yōu)先權。出于所有目的，通過引用將所述臨時申請和PCT申請的全部內(nèi)容明確地并入本文。

技術領域

本原理涉及隱私保護推薦系統(tǒng)和安全的多方計算，并且具體地涉及以隱私保護的方式，安全地執(zhí)行被稱作矩陣因子分解(matrixfactorization)的協(xié)同過濾(collaborativefiltering)技術，以便對項目進行概況描述(profile)。

背景技術

過去十年中的大量的研究和商業(yè)活動導致推薦系統(tǒng)的廣泛使用。這樣的系統(tǒng)向用戶提供關于諸如電影、電視節(jié)目、音樂、書、酒店、餐館等許多種類的項目的個性化推薦。圖1例示一般推薦系統(tǒng)100的組件：表示來源的許多用戶110，以及處理用戶的輸入120并且輸出推薦140的推薦器系統(tǒng)(RecSys)130。為了接收有用的推薦，用戶提供關于他們的偏好的大量的個人信息(用戶的輸入)，信任推薦器將適當?shù)毓芾碓摂?shù)據(jù)。

然而，諸如由B.Mobasher、R.Burke、R.Bhaumik和C.Williams(“Towardtrustworthyrecommendersystems:Ananalysisofattackmodelsandalgorithmrobustness”，ACMTrans.InternetTechn.，7(4)，2007年)以及由E.G.Brassard、J.M.Fernandez和F.S.M.Onana(“ALAMBIC:Aprivacy-preservingrecommendersystemforelectroniccommerce”，Int.JournalInf.Sec.，7(5)，2008年)進行的那些早期研究已經(jīng)標識出推薦器可能濫用這樣的信息或者將用戶暴露于隱私威脅的許多方式。推薦器經(jīng)常為了利益而被促使轉售數(shù)據(jù)，而且還提取超出用戶有意揭示的信息之外的信息。例如，即使是諸如電影評級或個人的TV觀看歷史這樣的通常不被認為是敏感的用戶偏好的記錄也可以被用于推斷用戶的政治立場、性別等。隨著新的數(shù)據(jù)挖掘和推斷方法的發(fā)展，出于惡意或者善意的目的，可以根據(jù)推薦系統(tǒng)中的數(shù)據(jù)來推斷的隱私信息不斷地進化。極端地，用戶偏好的記錄甚至可以被用于唯一地標識用戶：A.Naranyan和V.Shmatikov在“Robustde-anonymizationoflargesparsedatasets”(IEEES&P，2008年)中通過對Netflix數(shù)據(jù)集去匿名化而驚人地證明了這一點。因此，即使推薦器不是惡意的，這樣的數(shù)據(jù)的無意的泄露也使用戶容易受到連鎖攻擊(linkageattack)(即，使用一個數(shù)據(jù)庫作為輔助信息來危害不同的數(shù)據(jù)庫中的隱私的攻擊)的影響。

因為無法一直預見將來的推斷威脅、意外的信息泄露或者知情人威脅(有目的的泄露)，所以所關心的是建立一種推薦系統(tǒng)，其中用戶不會以明文的方式揭示他們的個人數(shù)據(jù)。現(xiàn)今沒有在加密數(shù)據(jù)上操作的實際的推薦系統(tǒng)。另外，所關心的是建立一種推薦器，其可以對項目進行概況描述，而永遠不學習用戶提供的評級，或者甚至用戶已經(jīng)對哪些項目進行了評級。本原理提出這樣的安全的推薦系統(tǒng)。

發(fā)明內(nèi)容