请求阶段：
[0022] 用户a通过客户端功能模块向推荐中心发送推荐请求。
[0023]第三方评分集R生成阶段：
[0024]推荐中心收到推荐请求后启动第三方评分集R生成子模块，生成一个第三方评分 集IR包含第三方推荐中心对推荐系统中所有物品的偏好评分，推荐中心将第三方评分集R 发送到a的用户与第三方偏好一致性计算子模块中。第三方评分集R产生规则如下：
[0025] 1. R中的评分值r采用均匀取自评分限制范围内的随机数
[0026] 2. R的规模为N，且N的值为推荐系统内所有物品的总数目
[0027] 3.每项评分值r都与R的平均值;:不同。
[0028]用户与第三方偏好一致性计算阶段：
[0029] 在该阶段中，用户a的客户端功能模块通过用户信息收集子模块收集用户对推荐 系统内物品的评分，然后用户建模子模块将收集到的评分建立成用户模型，模型中分别保 存着用户评分集U和用户偏好集P，其中用户偏好集P是根据评分集U获得的对某一类物品排 序的结果。
[0030] 用户建模子模块将用户模型数据输入进用户与第三方偏好一致性计算子模块。该 模块利用用户评分集U和推荐中心发送过来的第三方评分集R，比较用户与第三方之间的评 分趋势是否一致来确定用户与第三方之间的偏好相似性。
[0031] 评分趋势一致的定义为：
[0032] fa, i>0andfc, i>0，or
[0033] fa, i<〇andfc, i<〇
[0034] 评分趋势不一致的定义为：
[0035] fa, i>0andfc, i<0，0r
[0036] fa, i<〇andfc, i>〇
[0037] 评分趋势纠结的定义为：
[0038] ra, i不存在，即用户a对物品i没有评分
[0039] fa, i表示用户a对物品i的评分趋势，fc, i表示第三方推荐中心对物品i的评分趋势， ra>1表示用户a对物品i的评分值。根据以上定义，用户与第三方偏好一致性计算子模块计算 出用户与第三方评分趋势值为C ac，Da。和Ta。。其中匕。表示评分趋势一致的物品数，Da。表示评 分趋势不一致的物品数，T a。表示评分趋势纠结的物品数1。。该趋势值体现了用户与第三方 之间的偏好相似性。
[0040]相似用户筛选阶段：
[0041]用户a的用户与第三方偏好一致性计算子模块将用户a与第三方之间的评分趋势 值Cac；，Da。和Ta。发送到推荐中心进行汇聚。推荐中心通过用户偏好相似性计算子模块将协同 过滤推荐系统中的其他用户与第三方之间的评分趋势值同用户a与第三方之间的评分趋势 值进行比较、计算，得到用户之间的相似度，从而获得a的相似用户候选集。
[0042]用户a和用户b之间的相似度计算公式如下：
[0044]其中，表示用户a和用户b评分趋势一致的物品数区间Cab的中点值，瓦6表示用 户a和用户b评分趋势不一致的物品数区间Dab的中点值，表示用户a和用户b评分趋势纠 结的物品数区间Tab中点值。考虑到^的值与:?的值可能相等，那么用户之间的相似度为 0,会导致推荐系统覆盖率大大降低。为了避免这种情况出现，保证较高的覆盖率，需要降低 ^的权重。则改进后的用户之间相似度计算公式为：
[0046]根据以上方法，推荐中心可以获得用户a的相似用户侯选集。
[0047]推荐结果反馈阶段：
[0048] 在得到用户a的相似用户侯选集后，推荐中心从相似用户侯选集中选取合适的相 似用户向a推荐感兴趣的内容。为了隐藏推荐信息的内容，我们使用RITP协议来对推荐信息 进行传输:假设选取相似用户b向用户a推荐感兴趣的内容，用户b首先将推荐列表L b使用用 户a的公钥进行加密，然后发送给推荐中心。推荐中心将加密的推荐列表Gb发送给用户a;用 户a利用自身私钥将加密的推荐列表G b进行解密，得到真实的推荐列表Lb。
[0049] RITP协议的符号对照表如下
[0051 ] 协议如下：
[0052] l.Lb-Gb:相似用户b生成推荐列表Lb后，使用用户a的公钥PKeyj^ll荐列表加密， 得到加密的推荐列表Gb。加密的消息为：
[0054] 2. Gb-Lb:用户a收到加密的推荐列表Gb后，根据自身私钥SKeyd#其解密，得到推 荐列表Lb。解密的消息为：
[0056] 值得注意的是，加密的推荐列表Gb本身并不包含相似用户b的身份特征。并且，根 据我们所设计的RITP协议，加密的推荐列表G b将推用户a的公钥作为推荐标识信息，便于推 荐中心识别推荐信息，将其发送给用户a。
[0057] 最后应说明的是：以上实施例仅用以说明本发明而并非限制本发明所描述的技术 方案；因此，尽管本说明书参照上述的各个实施例对本发明已进行了详细的说明，但是，本 领域的普通技术人员应当理解，仍然可以对本发明进行修改或等同替换;而一切不脱离发 明的精神和范围的技术方案及其改进，其均应涵盖在本发明的权利要求范围当中。
【主权项】
1. 协同过滤推荐系统中一种新型的隐私保护方法，要求在协同过滤推荐系统中部署若 干个客户端功能模块和1个推荐中屯、，用户必须通过推荐中屯、发送推荐请求，推荐中屯、根据 用户相似性计算结果，获得相似用户候选集，推荐中屯、根据用户的推荐请求从相似用户候 选集中选取合适的相似用户完成推荐，其特征在于包括W下步骤： 功能模块部署阶段： 在协同过滤推荐系统中部署若干个客户端功能模块和1个推荐中屯、，其中每个用户都 需要在用户端部署1个客户端功能模块； 用户发送推荐请求阶段： 用户a通过客户端功能模块向推荐中屯、发送推荐请求； 第Ξ方评分集R生成阶段： 推荐中屯、收到推荐请求后启动第=方评分集R生成子模块，生成一个第=方的评分集 R; 用户与第Ξ方偏好一致性计算阶段： 用户a的客户端功能模块通过用户信息收集子模块收集用户对推荐系统内物品的评 分，然后用户建模子模块将收集到的评分建立成用户模型，模型中分别保存着用户评分集U 和用户偏好集P，其中用户偏好集P是根据评分集U获得的对某一类物品排序的结果，用户建 模子模块将用户模型数据输入进用户与第Ξ方偏好一致性计算子模块，该模块利用用户评 分集U和推荐中屯、发送过来的第Ξ方评分集R，计算出用户与第Ξ方推荐中屯、之间的偏好相 似性； 相似用户筛选阶段： 用户a的用户与第Ξ方偏好一致性计算子模块将用户a与第Ξ方之间的评分趋势值Cac， Dac和Tac发送到推荐中屯、进行汇聚，其中Cac表示评分趋势一致的物品数，Dac表示评分趋势不 一致的物品数，Ta。表示评分趋势纠结的物品数，推荐中屯、通过用户偏好相似性计算子模块 计算用户相似度，并获得相似用户候选集； 推荐结果反馈阶段： 在得到用户a的相似用户侯选集后，推荐中屯、从相似用户侯选集中选取合适的相似用 户向a推荐感兴趣的内容，为了隐藏推荐信息的内容，我们使用RITP协议来对推荐信息进行 传输。所述协议是:假设选取相似用户b为用户a推荐感兴趣的内容，用户b首先将推荐列表 Lb使用用户a的公钥进行加密，然后发送给推荐中屯、，推荐中屯、将加密的推荐列表Gb发送给 用户a,用户a利用自身私钥将加密的推荐列表Gb进行解密，得到真实的推荐列表Lb。2. 根据权利要求1所述的协同过滤推荐系统中一种新型的隐私保护方法，其特征在于： 第Ξ方评分集是由推荐中屯、的第Ξ方评分集生成子模块根据规则生成的，其生成规则如 下： 1. R中的评分值r采用均匀取自评分限制范围内的随机数； 2. R的规模为N，且N的值为推荐系统内所有物品的总数目； 3) 每项评分值r都与R的平均值;:不同。3. 根据权利要求1所述的协同过滤推荐系统中一种新型的隐私保护方法，其特征在于： 客户端功能模块中的用户与第Ξ方偏好一致性计算子模块是通过比较用户与第Ξ方之间 的评分趋势是否一致来确定用户与第Ξ方之间的偏好相似性。4.根据权利要求1所述的协同过滤推荐系统中一种新型的隐私保护方法，其特征在于： 推荐中屯、是通过用户偏好相似性计算子模块将协同过滤推荐系统中的其他用户与第Ξ方 之间的评分趋势值同用户a与第Ξ方之间的评分趋势值进行比较、计算，得到用户之间的相 似度，并获得a的相似用户候选集。
【专利摘要】本发明涉及协同过滤推荐系统中一种新型的隐私保护方法。基本思想是将收集的用户评分信息和生成的用户评分集保存在客户端功能模块，利用推荐中心生成的第三方评分集与用户评分集在客户端功能模块进行偏好一致性计算，比较用户与第三方之间的偏好相似性，然后推荐中心根据偏好一致性计算的结果进行用户相似性计算，从而获得相似用户候选集。推荐时，用户通过客户端功能模块发送推荐请求到推荐中心，推荐中心根据推荐请求从相似用户候选集中选取合适的相似用户完成推荐。整个推荐信息的传输使用我们所设计的推荐信息传输协议来进行传输。本发明能够避免不正当的数据收集、存储和分析导致的用户隐私信息的泄露。属于计算机网络安全领域。
【IPC分类】G06F21/62, G06F17/30
【公开号】CN105574430
【申请号】CN201510889999
【发明人】吴旭, 刘浩
【申请人】西安邮电大学
【公开日】2016年5月11日
【申请日】2015年12月2日