CN109195098A - 一种基于差分隐私的共享协同过滤方法 - Google Patents

Abstract

本发明公开了一种基于差分隐私的共享协同过滤方法，包括如下步骤：（1）使用差分隐私形成安全的k‑最近位置列表；（2）利用共享数据和数据拥有者本身数据预测用户对位置的喜好。通过上述方式，本发明能够在不泄露任一参与方隐私信息的前提下，解决共享协同过滤预测的问题，数据拥有者利用合作者的数据来加强预测结果的准确度，基于隐私保护方法的广泛应用，使得本发明基于差分隐私的共享协同过滤方法具有广泛的市场前景，对对位置隐私保护的进一步推广和研究有着重要意义。

Description

一种基于差分隐私的共享协同过滤方法

技术领域

本发明涉及位置隐私保护研究的技术领域，尤其涉及一种基于差分隐私的共享协同过滤方法。

背景技术

随着大数据时代的来临，推荐系统作为解决信息过载和传统被动服务模式局限性的一种有效解决方法，已经受到了广泛的关注与研究。推荐系统根据用户的历史记录和兴趣爱好为用户提供个性化推荐，在推荐系统的帮助下，用户可以快速得到精准的个性化推荐结果。而协同过滤作为应用最广泛的推荐系统核心技术之一，有着它独特的优势。协同过滤首先是基于用户的偏好发掘物品或者用户之间的关联性，再利用这些关联性进行推荐。协同过滤方法的基本假设是用户之间的喜好是相关的，并且表现出有相似兴趣的用户在将来倾向于相互分享兴趣。

随着研究的日益深入，推荐系统的应用领域也在不断扩展，从原本的电子商务、数字化图书馆等领域延伸到POI推荐领域。随着带有GPS定位系统的移动设备和无线通信技术的快速发展，基于位置的服务(LBS)也受到了越来越多的关注，越来越多的用户在社交应用上分享他们的信息。在基于位置的社交网络(LBSN)中，利用用户的签到数据来进行POI推荐也成为了至关重要的一个研究点。签到数据反映了用户对地点场所的偏好，从而为个性化的POI推荐提供了坚实的基础。这种推荐方式不仅可以让用户在不花费太多时间的情况下搜索到新的相关地点，而且可以让服务提供商对用户提供精确的推荐服务。

为了实现个性化POI推荐，需要收集用户对不同位置的签到数据。但是，毋庸置疑的，个性化协同POI预测推荐也面临着传统推荐领域一样的问题。由于协同过滤的性能很大程度上取决于数据的可用性，所以在应用协同过滤时容易受到冷启动和数据稀疏性的影响。为了提高协同POI预测的准确度，目前已有许多研究成果。尽管这些工作中采用了不同的技术来提高预测准确度，但是这些工作都把数据由单一方持有作为前提，然而在实践中，多方持有数据的可能性很大。在传统的推荐系统的研究中已经证实了共享不同方所持有的数据对于推荐是有利的。例如，随着在线社交网络的发展壮大，一些利用社交关系帮助推荐的推荐系统显示了更好的推荐性能。为了不失一般性，假设有两个推荐系统Alice和Bob，每方都有自己的用户-签到数据集，Alice希望Bob分享他持有的数据并且利用这些数据来提高Alice的推荐预测准确性。一个直接的方法是让Bob将他所有的数据发送给Alice。但是，基于两个原因Bob可能不愿直接把自身数据发送给Alice。首先，这些数据可能包含用户的敏感信息，而这些隐私数据因为会暴露用户的个人隐私而无权与另一个推荐系统共享。其次，即使用户不关心Bob如何使用他们的数据，Bob可能由于商业原因仍然不愿意与Alice直接分享他的数据(例如，他们是商业竞争对手)。目前推荐系统中的隐私保护问题也是数据挖掘领域的热点问题之一。所以关键问题是如何安全地在共享数据模式下应用协同过滤，同时防止隐私泄露。本发明的主旨是利用共享的数据以提供比只利用单方数据更好的推荐结果，同时保护数据共享者的数据隐私。

真实世界的攻击者可能有很强的收集背景知识以及推理的能力，所以本发明采用一个称为差分隐私的数学攻击模型，不管攻击者的背景知识如何，差分隐私都可以保证数据隐私，攻击者无法基于算法的输出来推测个人记录。然而，差分隐私在保证隐私保护的同时无法确保百分百的预测准确度。

在本发明的框架中，Bob通过差分隐私共享他的部分统计数据，Alice利用Bob共享的数据通过基于项的协同过滤算法来预测用户对位置的喜好。

发明内容

本发明主要解决的技术问题是目前推荐系统由于数据稀疏和冷启动问题而导致预测准确度不高，提出一种基于差分隐私的共享协同过滤方法，以提供比只利用单方数据更好的推荐结果，为了鼓励数据共享，提出了隐私保护算法，保证在基于多方数据预测同时不会泄露彼此的数据信息，保障数据安全。

为解决上述技术问题，本发明采用的一个技术方案是：提供了一种基于差分隐私的共享协同过滤方法，包括：拥有用户数据的两方分别记为数据拥有者Alice和合作者Bob，Alice和Bob分别拥有各自的用户-签到矩阵，每一行代表一个用户，每一列代表一个签到点，Alice和Bob的签到位置信息是一致的，即签到点的集合都是S，因此Alice和Bob的数据矩阵表示为MA和MB，维度为na×m和nb×m，Alice通过结合Bob收集的数据进行POI推荐，为了防止攻击者获得Bob共享数据中的个人数据，Bob基于自身数据共享位置的相关信息，然后Alice使用共享数据来提高共享协同过滤的准确度，攻击者和Alice不能通过共享数据得知Bob数据中用户的隐私信息，该协议保护信息隐私安全，

包括如下具体步骤：

(1)、合作者处理阶段

使用差分隐私形成安全的k-最近位置列表：

合作者Bob的共享数据是每个签到点的最近位置列表，由两种不同方法安全地计算相似度，方法一是使用差分隐私在计算相似度过程中添加噪声，方法二是使用差分隐私在原始数据中添加噪声，利用扰乱的之后的数据形成安全的k-最近位置列表作为合作者的共享数据，接下来，数据拥有者利用共享数据来进行预测，以提高预测结果的准确性；

(2)、数据拥有者处理阶段

利用共享数据和数据拥有者本身数据预测用户对位置的喜好：

数据拥有者Alice也有基于本身数据形成的最近位置列表，对于一个位置，结合两个最近邻列表形成更加准确的k-最近邻列表，基于k-最近邻列表结合Alice的数据使用基于项的协同过滤对签到点进行预测。

在本发明一个较佳实施例中，所述的步骤(1)使用差分隐私形成安全的k-最近位置列表作为共享数据，并且保证合作者数据不被泄露。

在本发明一个较佳实施例中，所述的步骤(2)中的结合共享数据和数据拥有者自身持有数据来进行共享协同过滤预测。

本发明的有益效果是：本发明的基于差分隐私的共享协同过滤方法，具有极高的安全性，共享的协同过滤预测算法的预测准确度确实比传统的协同过滤预测算法高，并且基于差分隐私的共享协同过滤方法在牺牲一定程度的准确度的情况下提供了数据安全保障。

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是本发明基于差分隐私的共享协同过滤方法一较佳实施例的共享协同过滤预测系统模型结构示意图；

图2是本发明基于差分隐私的共享协同过滤方法一较佳实施例的在原始数据上添加噪声结构示意图；

图3是本发明基于差分隐私的共享协同过滤方法一较佳实施例的用户-签到点矩阵结构示意图；

图4是本发明基于差分隐私的共享协同过滤方法一较佳实施例的签到点-国家矩阵结构示意图；

图5是本发明基于差分隐私的共享协同过滤方法一较佳实施例的共享协同过滤结构示意图。

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。

如图1-5所示，本发明实施例包括：

拥有用户数据的两方分别记为数据拥有者Alice和合作者Bob，Alice和Bob分别拥有各自的用户-签到矩阵，每一行代表一个用户，每一列代表一个签到点，Alice和Bob的签到位置信息是一致的，即签到点的集合都是S，因此Alice和Bob的数据矩阵表示为MA和MB，维度为na×m和nb×m，Alice通过结合Bob收集的数据进行POI推荐，为了防止攻击者获得Bob共享数据中的个人数据，Bob基于自身数据共享位置的相关信息，然后Alice使用共享数据来提高共享协同过滤的准确度，攻击者和Alice不能通过共享数据得知Bob数据中用户的隐私信息，该协议保护信息隐私安全。

包括如下具体步骤：

(1)、合作者处理阶段

使用差分隐私形成安全的k-最近位置列表：

合作者Bob的共享数据是每个签到点的最近位置列表，由两种不同方法安全地计算相似度，方法一是使用差分隐私在计算相似度过程中添加噪声，方法二是使用差分隐私在原始数据中添加噪声，利用扰乱的之后的数据形成安全的k-最近位置列表作为合作者的共享数据，接下来，数据拥有者利用共享数据来进行预测，以提高预测结果的准确性；

(2)、数据拥有者处理阶段

利用共享数据和数据拥有者本身数据预测用户对位置的喜好：

数据拥有者Alice也有基于本身数据形成的最近位置列表，对于一个位置，结合两个最近邻列表形成更加准确的k-最近邻列表，基于k-最近邻列表结合Alice的数据使用基于项的协同过滤对签到点进行预测。

上述中，所述的步骤(1)使用差分隐私形成安全的k-最近位置列表作为共享数据，并且保证合作者数据不被泄露；所述的步骤(2)中的结合共享数据和数据拥有者自身持有数据来进行共享协同过滤预测，能够保证提供比基于一方数据更好的预测结果。

本发明技术方案将两个参与方分别称为Alice和Bob。问题的形式化定义如下：Alice和Bob是各自拥有用户数据的两方，Alice和Bob分别拥有各自的用户-签到矩阵，每一行代表一个用户，每一列代表一个签到点。本发明中使用r_ui代表用户u对签到位置i的签到数据，r_u代表用户u对所有签到位置的签到向量。考虑Alice和Bob的签到位置是一致的，即签到位置的集合都是S，因此Alice和Bob的数据矩阵可以表示为M_A和M_B。Alice通过结合Bob收集的数据预测用户对签到点的喜好。换句话说，Alice通过M_A和M_B中已知的签到数据预测M_A中缺失的签到值。一个解决方案是Bob将他的数据矩阵直接发送给Alice，但是这种方法直接暴露了Bob的隐私。考虑到如果Bob的用户集合(或服务集合)与Alice的用户集合(或服务集合)重叠，那么来自Bob的数据对于共享协作过滤预测是有积极影响的。所以在本发明介绍的框架中，共享数据是每个签到位置的最近邻列表。而之所以不分享用户的最近邻列表，是因为很容易根据用户列表推断出Bob数据集中某个用户的存在，从而暴露用户的隐私。

为了防止隐私泄露，利用差分隐私来保护Bob分享的数据，使得攻击者不能从该数据中推断某一用户是否在Bob的数据集中。既然连用户在不在数据集都无法确定，那么自然用户的隐私信息也不会被暴露。方法具体包括了两个阶段：

第一阶段是合作者处理阶段，签到位置集合表示为S＝{s₁,s₂,……,s_m}，签到点i和j之间的相似度是Sim(i,j)，Sim(i,j)越大表示位置i和j越相似。对于每个位置i的k-最近邻服务列表可以表示为B_i＝{b_i1,b_i2,……,b_ik}，其中Sim(i,b_i1)≥Sim(i,b_i2)≥……≥Sim(i,b_ik)。然后，共享的位置最近邻集合表示为B＝{B₁,B₂,……,B_m}。

传统的计算相似度和形成k-最近位置列表的方法将暴露Bob的隐私。接下来将介绍两种不同的方法来安全地计算相似度。

方法1:计算相似度过程中添加噪声

为了减少位置之间的差异，使用z分数归一化来进行数据预处理。位置i和j的相似度计算如下：

差分隐私是数据扰乱的关键技术。Laplace机制通过增加Laplace分布的噪声来满足ε-差分隐私保护。加入的噪声取决于函数的敏感度，不同函数有不一样的敏感度。新的计算相似度的公式如下所示：

方法2:在合作者原始数据中添加噪声

前一种方法直接将噪声添加到相似度计算中，方法2考虑在将噪声添加到数据后在计算相似度。经过观察，对一个用户来说，他的签到数据在很大程度上取决于签到点所在的位置。地理位置的影响是区分POI推荐和传统物品推荐的另一个因素。根据签到数据的分析结果显示，用户通常喜欢从近的地方向远的地方移动。此外，用户的历史签到信息通常是本地拥挤的，这使得冷启动问题在POI推荐中更为突出。因此，该方法是聚合同一国家的签到数据，再在该聚合值上应用差分隐私。

图2显示了该方法的主要过程。为了根据国家对签到数据聚合，首先介绍签到-国家关联矩阵CM，其中签到位置的个数是m，国家的数量是p。CM中元素cm_ij表示是否签到位置i在国家j，如果CM_ij＝1，表示签到位置i属于国家j。图3是一个用户-签到位置矩阵的例子，包括3个用户对7个签到点的观测值。图4是一个签到位置-国家关联矩阵的例子，包括7个签到位置和与之相关联的3个国家。其中1代表一个位置属于一个国家，0则代表不属于，每个位置只能属于一个国家。由于每个国家包含的位置都不一样，所以基于各个国家的聚合值的敏感度也不同。加入噪声的聚合向量NA如下所示：

其中，j代表NA中的第j项，ε是用户u设置的隐私参数，敏感度Δf按照定义计算：Δf＝max(r_uiCM_ij)。

NA是不能直接用于计算相似度的，所以下一步是要将此向量转换成一个和r_u相同格式的扰乱的向量Q_u。目标是||Q_uCM-NA||₂尽可能小，为此引入两个误差向量l和r来代表误差。该问题定义如下：

最小化：

服从于：-l≤Q_uCM-NA≤r

通过最小二乘法求解公式得到扰乱的向量Q_u，然后它可以被用于计算服务之间的相似度，得到最近邻相似服务列表，用于本章提出的共享协同过滤预测算法中。

第二阶段是数据所有者的处理阶段，如图5所示，除了共享数据，Alice也拥有自身数据集的k-最近位置集合A＝{A₁,A₂,……,A_m}，而位置i的k-最近邻列表表示为A_i＝{a_i1,a_i2,……,a_ik}，对于服务i，结合A和B形成一个更加准确的k-最近邻列表K_i。首先该列表一定包含A_i和B_i的交集N_i，如果N_i中签到点数量小于k，那么剩余的k-|N_i|个签到点分别从A_i和B_i中选取，而选取是根据Alice和Bob数据集密度决定的。然后Alice利用本地的数据和K_i预测用户对位置的喜好。

安全方面：两个添加噪声的方法都是满足差分隐私定义的，所以两个方法都满足ε-差分隐私，说明方法是安全的。

本发明基于差分隐私的共享协同过滤方法的有益效果是：

一、本发明提供了一种全新的方案，能够在不泄露任一参与方隐私信息的前提下，解决共享协同过滤预测的问题。数据拥有者利用合作者的数据来加强预测结果的准确度。在分享数据的过程中，使用差分隐私保护合作者的数据安全。共享协同过滤预测算法与传统的协同过滤预测算法相比，确实提高了预测准确度。而对于隐私保护的协同过滤预测算法来说，牺牲了一定程度的预测准确度但是提供了数据安全保障。基于隐私保护方法的广泛应用，使得本发明基于差分隐私的共享协同过滤方法具有广泛的市场前景。

二、本发明基于差分隐私的共享协同过滤方法积极引入新的密码学方案，对隐私保护应用的进一步推广和研究有着重要意义。

综上所述，本发明的基于差分隐私的共享协同过滤方法，具有极高的安全性，共享的协同过滤预测算法的预测准确度确实比传统的协同过滤预测算法高，并且基于差分隐私的共享协同过滤方法在牺牲一定程度的准确度的情况下提供了数据安全保障。

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 (3)

1.一种基于差分隐私的共享协同过滤方法，其特征在于，包括：拥有用户数据的两方分别记为数据拥有者Alice和合作者Bob，Alice和Bob分别拥有各自的用户-签到矩阵，每一行代表一个用户，每一列代表一个签到点，Alice和Bob的签到位置信息是一致的，即签到点的集合都是S，因此Alice和Bob的数据矩阵表示为M_A和M_B，维度为n_a×m和n_b×m，Alice通过结合Bob收集的数据进行POI推荐，为了防止攻击者获得Bob共享数据中的个人数据，Bob基于自身数据共享位置的相关信息，然后Alice使用共享数据来提高共享协同过滤的准确度，攻击者和Alice不能通过共享数据得知Bob数据中用户的隐私信息，该协议保护信息隐私安全，

包括如下具体步骤：

（1）、合作者处理阶段

使用差分隐私形成安全的k-最近位置列表：

合作者Bob的共享数据是每个签到点的最近位置列表，由两种不同方法安全地计算相似度，方法一是使用差分隐私在计算相似度过程中添加噪声，方法二是使用差分隐私在原始数据中添加噪声，利用扰乱的之后的数据形成安全的k-最近位置列表作为合作者的共享数据，接下来，数据拥有者利用共享数据来进行预测，以提高预测结果的准确性；

（2）、数据拥有者处理阶段

利用共享数据和数据拥有者本身数据预测用户对位置的喜好：

数据拥有者Alice也有基于本身数据形成的最近位置列表，对于一个位置，结合两个最近邻列表形成更加准确的k-最近邻列表，基于k-最近邻列表结合Alice的数据使用基于项的协同过滤对签到点进行预测。

2.根据权利要求1所述的基于差分隐私的共享协同过滤方法，其特征在于，所述的步骤（1）使用差分隐私形成安全的k-最近位置列表作为共享数据，并且保证合作者数据不被泄露。

3.根据权利要求1所述的基于差分隐私的共享协同过滤方法，其特征在于，所述的步骤（2）中的结合共享数据和数据拥有者自身持有数据来进行共享协同过滤预测。