CN104796475B - 一种基于同态加密的社会化推荐方法 - Google Patents

一种基于同态加密的社会化推荐方法 Download PDF

Info

Publication number
CN104796475B
CN104796475B CN201510197609.7A CN201510197609A CN104796475B CN 104796475 B CN104796475 B CN 104796475B CN 201510197609 A CN201510197609 A CN 201510197609A CN 104796475 B CN104796475 B CN 104796475B
Authority
CN
China
Prior art keywords
rbs
user
article
vector
homomorphic cryptography
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510197609.7A
Other languages
English (en)
Other versions
CN104796475A (zh
Inventor
刘安
刘曙曙
刘冠峰
李直旭
周晓方
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou University
Original Assignee
Suzhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou University filed Critical Suzhou University
Priority to CN201510197609.7A priority Critical patent/CN104796475B/zh
Publication of CN104796475A publication Critical patent/CN104796475A/zh
Application granted granted Critical
Publication of CN104796475B publication Critical patent/CN104796475B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0407—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the identity of one or more communicating identities is hidden
    • H04L63/0421—Anonymous communication, i.e. the party's identifiers are hidden from the other party or parties, e.g. using an anonymizer
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • H04L63/0435—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload wherein the sending and receiving network entities apply symmetric encryption, i.e. same key used for encryption and decryption

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于同态加密的社会化推荐方法，包括如下步骤：（1）所述SN端利用同态加密密钥加密数据；（2）RBS端计算所有物品的推荐得分；（3）所述RBS端共享所有物品的推荐得分；（4）比较获得推荐结果。通过上述方式，本发明基于同态加密的社会化推荐方法具有安全性极高、适应性极强等优点，在基于同态加密的社会化推荐方法的普及上有着广泛的市场前景。

Description

一种基于同态加密的社会化推荐方法
技术领域
本发明涉及安全多方计算领域，特别是涉及一种基于同态加密的社会化推荐方法。
背景技术
基于邻域的算法是推荐系统中最基本的算法，该算法不仅在学术界得到了深入研究，而且在业界也得到了广泛应用。基于邻域的算法分为两大类：一类是基于用户的协同过滤算法，另一类是基于物品的协同过滤算法。
协同过滤方法主要根据用户的历史行为和兴趣来预测用户未来的行为，因此大量的用户历史行为数据成为推荐系统的重要组成成分和先决条件。对于许多在初始阶段的网站而言，没有大量用户数据的积累，协同过滤方法不能够很好的发挥出效果。
基于邻域的社会化推荐算法，通常默认用户的社交网络拓扑图来自完全安全可信的提供商，RBS可以完全不受拘束的使用社交网络拓扑数据进行社会化推荐。但更多情况下，RBS仅持有用户历史行为数据信息，社交网络拓扑信息需要通过第三方的API获取（比如Facebook’s Open Graph, Twitter API, etc）。而在现实生活中，完全可信赖的第三方这一假设通常是不成立的。由此可见，一个安全可靠的多方合作的社会化推荐方案十分必要。
Yao在文献“How to generate and exchange secrets”中首次提出了安全两方计算的概念，并且设计出了第一个安全两方比较协议-百万富翁协议。该协议使得两个参与方能够在不泄露个人输入的情况下，比较出两方所持有数据的大小关系。他同时在该文献中指出，任何安全两方的计算协议，均可以通过电路门实现。到目前为止，基于Yao的GarbledCircuits原理，学者们已经设计出包括：安全多方求和，安全多方求差，安全多方求积以及安全多方比较等一系列基本操作模块。
发明内容
本发明主要解决的技术问题是提供一种基于同态加密的社会化推荐方法，通过在不泄露任一参与方私有数据的前提下，同态加密、合作完成个性化的社会化推荐，基于好友关系的推荐可以增加推荐的信任度，利用社交网络可以有效解决传统推荐方法的冷启动问题，安全性高、适应性强，在基于同态加密的社会化推荐方法的普及上有着广泛的市场前景。
为解决上述技术问题，本发明提供一种基于同态加密的社会化推荐方法，包括：社交网络服务提供商和电子商务提供商作为参与方，其中所述社交网络服务提供商记为SN、所述电子商务提供商记为RBS，SN端持有所有用户的社交网络拓扑图记为Social Graph，RBS持有所有用户的历史行为数据，即用户购买物品历史记录，记为History Records，以保证双方私有数据不泄露，
包括如下步骤：
（1）所述SN端利用同态加密密钥加密数据：
所述社交网络拓扑图Social Graph包括个性化网页级别记为PersonalizedPageRank，基于所述社交网络拓扑图Social Graph，所述SN端通过迭代计算PersonalizedPageRank得到针对当前目标用户的Personalized PageRank值向量，同时，所述SN端以同态加密方式生成密钥对，其中E为公钥、D为私钥，并对向量的每一个元素加密获得向量，并将加密后得到的向量和公钥发送到所述RBS端；
（2）RBS端计算所有物品的推荐得分：
所述RBS端接收到来自所述SN端的加密向量和公钥后，先利用公钥将所有物品预测得分初始化为，对于所有目标用户未曾访问过的物品，利用公式，重新计算推荐得分，最终得到所有物品的推荐得分向量；
（3）所述RBS端共享所有物品的推荐得分：
所述RBS端将向量随机重排列后得到，产生与物品同等个数的随机数，构成随机数向量，利用Paillier加密机制的加乘法同态性质计算，得到，并将结果发送给所述SN，所述SN端在接收到来自所述RBS端的数据后，借助私钥D解密，得到向量，即为明文形式的；
（4）比较获得推荐结果：
以所述SN端的向量和所述RBS端的向量为输入，所述SN端和所述RBS端利用Garbled Circuits合作实现安全的比较，最终所述RBS端得到针对当前推荐用户而言的前k个得分最高的推荐结果，即得到了k个对推荐用户而言最佳的推荐结果。
在本发明一个较佳实施例中，步骤（1）中的所述同态加密方法通过加法同态加密系统生成加法同态加密密钥对，且满足以及，则以及。
在本发明一个较佳实施例中，步骤（2）中的所述T根据输入数据随机选择。
在本发明一个较佳实施例中，步骤（3）中的所述随机数向量的元素均小于T。
本发明的有益效果是：本发明基于同态加密的社会化推荐方法具有安全性极高、适应性极强等优点，在基于同态加密的社会化推荐方法的普及上有着广泛的市场前景。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图，其中：
图1是本发明基于同态加密的社会化推荐方法一较佳实施例的第一阶段的基于Paillier同态加密机制计算物品推荐得分的结构示意图;
图2是本发明基于同态加密的社会化推荐方法一较佳实施例的第二阶段的基于Paillier同态加密机制的秘密共享的结构示意图;
图3是本发明基于同态加密的社会化推荐方法一较佳实施例的第三阶段的基于Garbled Circuits的安全的topk选择的结构示意图;
图4是本发明基于同态加密的社会化推荐方法一较佳实施例的用户历史行为数据的示意图;
图5是本发明基于同态加密的社会化推荐方法一较佳实施例的社交网络拓扑图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1-图5，本发明实施例包括：
一种基于同态加密的社会化推荐方法，包括：社交网络服务提供商和电子商务提供商作为参与方，其中所述社交网络服务提供商记为SN、所述电子商务提供商记为RBS，SN端持有所有用户的社交网络拓扑图记为Social Graph，RBS持有所有用户的历史行为数据，即用户购买物品历史记录，记为History Records，以保证双方私有数据不泄露，
包括如下步骤：
（1）所述SN端利用同态加密密钥加密数据：
所述社交网络拓扑图Social Graph包括个性化网页级别记为PersonalizedPageRank，基于所述社交网络拓扑图Social Graph，所述SN端通过迭代计算PersonalizedPageRank得到针对当前目标用户的Personalized PageRank值向量，同时，所述SN端以同态加密方式生成密钥对，其中E为公钥、D为私钥，并对向量的每一个元素加密获得向量，并将加密后得到的向量和公钥发送到所述RBS端；
（2）RBS端计算所有物品的推荐得分：
所述RBS端接收到来自所述SN端的加密向量和公钥后，先利用公钥将所有物品预测得分初始化为，对于所有目标用户未曾访问过的物品，利用公式，重新计算推荐得分，最终得到所有物品的推荐得分向量；
（3）所述RBS端共享所有物品的推荐得分：
所述RBS端将向量随机重排列后得到，产生与物品同等个数的随机数，构成随机数向量，利用Paillier加密机制的加乘法同态性质计算，得到，并将结果发送给所述SN，所述SN端在接收到来自所述RBS端的数据后，借助私钥D解密，得到向量，即为明文形式的；
（4）比较获得推荐结果：
以所述SN端的向量和所述RBS端的向量为输入，所述SN端和所述RBS端利用Garbled Circuits合作实现安全的比较，最终所述RBS端得到针对当前推荐用户而言的前k个得分最高的推荐结果，即得到了k个对推荐用户而言最佳的推荐结果。
优选地，步骤（1）中的所述同态加密方法通过加法同态加密系统生成加法同态加密密钥对，且满足以及，则以及。
优选地，步骤（2）中的所述T根据输入数据随机选择。
优选地，步骤（3）中的所述随机数向量的元素均小于T。
本发明技术方案将两个参与方分别称为SN和RBS。问题的形式化定义如下：SN持有所有用户之间的社交关系网络拓扑无向图，是所有的用户节点集合，是用户好友关系的边集合；RBS持有用户历史行为数据，是物品id集合，是用户与物品之间的关系集合（如购买关系），是边的权重（如购买次数）。两方将基于前面所阐述的算法，通过合作计算，给目标用户进行合理的推荐，设置推荐物品个数为k。推荐过程中，保证双方的私有信息不会泄露。
本发明采用同态加密系统和Garbled Circuits技术，设计出在不泄露任何参与方私有数据信息的前提下，两参与方合作进行个性化的社会化推荐。方法具体包括了三个阶段：
第一阶段，如图1所示，利用同态加密算法，SN和RBS合作计算出每个物品的预测得分，计算过程中不会泄漏与两参与方输入数据相关的任何信息。在这一阶段中，SN通过迭代计算得到针对目标用户的一维Personalized PageRank值向量。为保证数据的隐私与安全，SN生成一对的同态的公钥加密系统的密钥对，加密后，将其与公钥一起发送给RBS。RBS利用公钥将所有物品预测得分初始化为（T将根据输入数据合理选取），对于所有目标用户未曾访问过的物品，利用公式，重新计算推荐得分，最终得到所有物品的推荐得分向量;
第二阶段，如图2所示，SN和RBS利用Paillier加密机制的加乘法同态性质实现秘密共享。RBS将随机重排列后得到，并产生与同等长度的随机数向量，利用计算得到，并将其发送给SN；SN端借助私钥解密，得到向量（即为明文形式的）；显然，，从而实现了将得分由两参与方以和形式共享。
第三阶段，如图3所示，RBS和SN利用 Garbled Circuits合作执行安全的比较过程，最终RBS得到对当前目标用户而言的个推荐结果，为了尽量减少比较次数，提高效率，我们使用快排思想作为比较机制。在这一阶段，任意挑选用户未曾访问过的物品作为初始值，RBS和SN合作执行安全比较电路Garbled Circuits，将与所有得分进行比较，保证比较过程不泄露双方的任何私有信息，两方根据大小比较结果交换相应位置的得分，最终保证所有比小的物品都排在后面，比大的物品都排在前面，每一轮比较结束后，记录物品当前位置。如果当前位置等于，则返回当前位置前的物品相应id，并将其推荐给用户；如果当前位置大于，则从开始位置到当前位置重复执行以上步骤，直到当前位置等于；如果当前位置小于，则从当前位置到最后位置重复执行以上步骤，直到当前位置等于。
安全方面：从本发明技术方案可以看出，只需分析两参与方能否通过接收到的另一方所发送的信息来推断出其私有数据信息，若不能，则可说明方法是安全的。
首先分析参与方RBS端的私有信息是否会泄漏。RBS可以得到和公钥（步骤2中），根据同态加密系统的安全性，RBS无法由到的任何信息。步骤5中，RBS和SN利用Garbled Circuits实现安全的比较，从所有物品得分中挑选出个最高预测得分，基于Yao电路的安全性，我们认为该比较过程不会泄露任何的私有信息。在本发明的算法执行过程的其他各个步骤中，SN没有向RBS发送任何数据，综合以上分析可知，在本发明的算法执行过程中，SN的私有数据没有任何泄露。
另一方面，在本发明的执行过程中，除了步骤5的安全比较协议的交互之外，RBS只向SN发送数据，显然，SN只能通过解密得到，由于随机数的干扰，并无法得到RBS的任何私有数据信息，因此，本发明的执行过程保证了RBS私有信息不会泄露。所以，基于同态加密系统和安全比较电路的安全性，本发明检测过程是安全的，任何参与方的私有数据都不会发生泄露。
假设RBS是拥有4个用户8个物品的电子商务服务提供商，用户历史行为数据（购买关系记录）如图4所示，此处用表示，是物品id集合，是用户与物品之间的关系集合（如购买关系），是边的权重（如购买次数）。SN持有RBS所有用户之间的社交关系网络拓扑图（无向图），如下图5所示，其中，是所有的用户节点集合，是用户好友关系的边集合。
两方将通过合作计算，给目标用户进行合理的推荐，设置推荐物品个数为。推荐过程中，保证双方的私有数据信息不会泄露。
本实施例的具体实施步骤如下：
预处理： SN根据社交网络拓扑图得到用户关系矩阵,（是用户数目4）；根据，RBS得到物品与用户关系倒排表，是物品标识（物品id），是由构成的二元组，是访问过物品的用户标识，是用户对物品的购买次数。是目标用户未曾购买过的所有物品集合，。
（1） 利用同态加密算法，RBS和SN合作计算出每个物品的预测得分，计算过程中不会泄露与两参与方输入数据相关的任何信息。具体实施步骤如下：
步骤一：根据关系矩阵，SN通过迭代计算Personalized PageRank得到针对目标用户的一维Personalized PageRank值向量；
步骤二：SN产生同态加密密钥对,对向量的每一个元素加密，将加密后得到的向量和公钥发送到RBS端；
步骤三：RBS端接收到来自SN端的加密向量和公钥后，先利用公钥将所有物品预测得分初始化为，得到初始推荐得分向量；
步骤四：利用公式，更新所有未曾购买过的物品得分，得到得分向量;
（2） SN和RBS利用Paillier加密机制的加乘法同态性质实现加法秘密共享。具体实施步骤如下：
步骤一：RBS将随机重排列后得到 ；
步骤二：RBS产生与向量同等个数的随机数，构成随机数向量，随机数必须小于初始值，计算，得到，将结果发送给SN；
步骤三：SN端在接收到来自RBS的数据后，借助私钥解密，得到向量；
（3） RBS和SN利用 Garbled Circuits合作执行安全的比较过程，最终RBS得到对而言的个推荐结果。具体实施步骤如下：
步骤一：从集合中随机挑选一个物品，RBS和SN合作执行安全比较电路Garbled Circuits，将与所有得分进行比较，两方根据得到的大小比较结果交换相应位置的得分，最终保证所有比小的物品都排在后面，比大的物品都排在前面。并记录物品得分当前位置；
步骤二：如果当前位置等于，则返回当前位置前的物品，并将其推荐给用户；
步骤三：如果当前位置大于，则从开始位置到当前位置重复执行步骤二，直到当前位置等于k；
步骤四：如果当前位置小于，则从当前位置到最后位置重复执行步骤二，直到当前位置等于k。
本发明基于同态加密的社会化推荐方法的有益效果是：
一、通过使得推荐系统在互相缺乏信任的独立方合作展开，为本技术领域的进步拓展了空间，具有使用价值，在不泄露任一参与方私有数据的前提下，同态加密、合作完成个性化的社会化推荐，通信和计算复杂度都进一步降低，使其实用性大大增强；
二、通过基于好友关系的推荐，有效地增加推荐的信任度；
三、通过利用社交网络，有效地解决了传统推荐方法的冷启动问题，安全性高、适应性强。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (2)

1.一种基于同态加密的社会化推荐方法，其特征在于，包括：社交网络服务提供商和电子商务提供商作为参与方，其中所述社交网络服务提供商记为SN、所述电子商务提供商记为RBS，SN端持有所有用户的社交网络拓扑图记为Social Graph，RBS持有所有用户的历史行为数据，即用户购买物品历史记录，记为History Records，以保证双方私有数据不泄露，
包括如下步骤：
(1)所述SN端利用同态加密密钥加密数据：
所述社交网络拓扑图Social Graph包括个性化网页级别记为PersonalizedPageRank，基于所述社交网络拓扑图Social Graph，所述SN端通过迭代计算PersonalizedPageRank得到针对当前目标用户的Personalized PageRank值向量P，同时，所述SN端以同态加密方式生成密钥对(E,D)，其中E为公钥、D为私钥，并对向量P的每一个元素加密获得向量E(P)，并将加密后得到的向量E(P)和公钥E发送到所述RBS端；
(2)RBS端计算所有物品的推荐得分：
所述RBS端接收到来自所述SN端的加密向量E(P)和公钥E后，先利用公钥E将所有物品预测得分初始化为E(T)，对于所有目标用户user未曾访问过的物品i，利用公式重新计算推荐得分，最终得到所有物品的推荐得分向量E(S)，所述T为初始得分，Wij是指用户j对物品i的购买次数；
(3)所述RBS端共享所有物品的推荐得分：
所述RBS端将向量E(S)随机重排列后得到E(S')，产生与物品同等个数的随机数，构成随机数向量S2，利用Paillier加密机制的加乘法同态性质计算E(S')*E(S2)-1，得到E(S′-S2)，并将结果发送给所述SN；
所述SN端在接收到来自所述RBS端的数据E(S'-S2)后，借助私钥D解密D(E(S'-S2))，得到向量S1，即为明文形式的S'-S2，步骤(3)中的所述随机数向量S2的元素均小于T；
(4)比较获得推荐结果：
以所述SN端的向量S1和所述RBS端的向量S2为输入，所述SN端和所述RBS端利用Garbled Circuits合作实现安全的比较，最终所述RBS端得到针对当前推荐用户而言的前k个得分最高的推荐结果，即得到了k个对推荐用户而言最佳的推荐结果。
2.根据权利要求1所述的基于同态加密的社会化推荐方法，其特征在于，步骤(1)中的所述同态加密方法通过加法同态加密系统生成加法同态加密密钥对(E,D)，且满足E(m)*E(n)＝E(m+n)以及E(ms)＝E(m)s，则D(E(m)*E(n))＝m+n以及D(E(m)s)＝ms。
CN201510197609.7A 2015-04-24 2015-04-24 一种基于同态加密的社会化推荐方法 Active CN104796475B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510197609.7A CN104796475B (zh) 2015-04-24 2015-04-24 一种基于同态加密的社会化推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510197609.7A CN104796475B (zh) 2015-04-24 2015-04-24 一种基于同态加密的社会化推荐方法

Publications (2)

Publication Number Publication Date
CN104796475A CN104796475A (zh) 2015-07-22
CN104796475B true CN104796475B (zh) 2018-10-26

Family

ID=53560983

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510197609.7A Active CN104796475B (zh) 2015-04-24 2015-04-24 一种基于同态加密的社会化推荐方法

Country Status (1)

Country Link
CN (1) CN104796475B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108141362A (zh) * 2015-10-08 2018-06-08 三菱电机株式会社 加密系统、同态签名方法和同态签名程序
CN105677701A (zh) * 2015-12-24 2016-06-15 苏州大学 一种基于不经意传输的社会化推荐方法
CN107169834A (zh) * 2017-05-17 2017-09-15 丁知平 一种基于大数据进行购物推荐的方法和设备
CN109726580B (zh) * 2017-10-31 2020-04-14 阿里巴巴集团控股有限公司 一种数据统计方法和装置
CN108768607B (zh) * 2018-05-14 2021-10-08 中钞信用卡产业发展有限公司杭州区块链技术研究院 一种基于区块链的投票方法、装置、设备及介质
KR102220086B1 (ko) * 2018-10-17 2021-03-02 어드밴스드 뉴 테크놀로지스 씨오., 엘티디. 신뢰성 있는 이니셜라이저를 사용하는 비밀 공유
CN109300540B (zh) * 2018-10-23 2021-10-15 北京理工大学 一种电子医疗系统中的隐私保护医疗服务推荐方法
CN110020883A (zh) * 2018-12-12 2019-07-16 阿里巴巴集团控股有限公司 一种对评分矩阵中的未知评分进行预测的方法及装置
CN110209994B (zh) * 2019-04-25 2022-12-23 广西师范大学 基于同态加密的矩阵分解推荐方法
CN110348231B (zh) * 2019-06-18 2020-08-14 阿里巴巴集团控股有限公司 实现隐私保护的数据同态加解密方法及装置
US10778410B2 (en) 2019-06-18 2020-09-15 Alibaba Group Holding Limited Homomorphic data encryption method and apparatus for implementing privacy protection
CN110457574A (zh) * 2019-07-05 2019-11-15 深圳壹账通智能科技有限公司 基于数据比较的信息推荐方法、装置及存储介质
CN110782044A (zh) * 2019-10-29 2020-02-11 支付宝(杭州)信息技术有限公司 多方联合训练图神经网络的方法及装置
CN112532627B (zh) * 2020-11-27 2022-03-29 平安科技（深圳）有限公司 冷启动推荐方法、装置、计算机设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102567900A (zh) * 2011-12-28 2012-07-11 尚明生 一种向客户推荐商品的方法
CN102611678A (zh) * 2011-01-20 2012-07-25 宏碁股份有限公司 利用隐私同态加密技术来提供社交网络服务的方法
CN102629924A (zh) * 2012-03-30 2012-08-08 上海交通大学 一种多服务器环境下的隐私信息检索方法
CN103036884A (zh) * 2012-12-14 2013-04-10 中国科学院上海微系统与信息技术研究所 一种基于同态加密的数据保护方法和系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8861716B2 (en) * 2010-03-30 2014-10-14 International Business Machines Corporation Efficient homomorphic encryption scheme for bilinear forms

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102611678A (zh) * 2011-01-20 2012-07-25 宏碁股份有限公司 利用隐私同态加密技术来提供社交网络服务的方法
CN102567900A (zh) * 2011-12-28 2012-07-11 尚明生 一种向客户推荐商品的方法
CN102629924A (zh) * 2012-03-30 2012-08-08 上海交通大学 一种多服务器环境下的隐私信息检索方法
CN103036884A (zh) * 2012-12-14 2013-04-10 中国科学院上海微系统与信息技术研究所 一种基于同态加密的数据保护方法和系统

Also Published As

Publication number Publication date
CN104796475A (zh) 2015-07-22

Similar Documents

Publication Publication Date Title
CN104796475B (zh) 一种基于同态加密的社会化推荐方法
Guan et al. Achieving efficient and Privacy-preserving energy trading based on blockchain and ABE in smart grid
Zhao et al. Machine learning based privacy-preserving fair data trading in big data market
Jung et al. Collusion-tolerable privacy-preserving sum and product calculation without secure channel
Li et al. Privacy-preserving distributed profile matching in proximity-based mobile social networks
Ferrag et al. A survey on privacy-preserving schemes for smart grid communications
US20140006377A1 (en) Method and system for providing social search and connection services with a social media ecosystem
CN109981641A (zh) 一种基于区块链技术的安全发布订阅系统及发布订阅方法
Hong et al. An efficient and privacy‐preserving scheme for P2P energy exchange among smart microgrids
CN106850224B (zh) 一种私钥定长的密文策略属性基加密方法
CN105677701A (zh) 一种基于不经意传输的社会化推荐方法
CN101729554B (zh) 一种分布式计算中基于密码学的除法协议构造方法
CN115051791B (zh) 一种基于密钥协商的高效三方隐私集合求交方法及系统
CN108632237A (zh) 一种基于多匿名器匿名的位置服务方法
Liu et al. A privacy-preserving framework for trust-oriented point-of-interest recommendation
Samanthula et al. Privacy-Preserving and Efficient Friend Recommendation in Online Social Networks.
Xiong et al. Private collaborative filtering under untrusted recommender server
CN105162695B (zh) 一种新型的近邻移动社交网络交友隐私保护方法
Bista et al. A new sensitive data aggregation scheme for protecting integrity in wireless sensor networks
CN106549767A (zh) 一种具有隐私保护的数据认证及追踪系统
Thapa et al. Asymmetric social proximity based private matching protocols for online social networks
CN107196918A (zh) 一种匹配数据的方法和装置
Xiong et al. Optimizing rewards allocation for privacy-preserving spatial crowdsourcing
Yuan et al. A privacy-preserving oriented service recommendation approach based on personal data cloud and federated learning
CN106961386A (zh) 一种签到服务中的位置隐私保护方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant