RU2728522C1 - Совместное использование секретов без доверенного инициализатора - Google Patents

Совместное использование секретов без доверенного инициализатора Download PDF

Info

Publication number
RU2728522C1
RU2728522C1 RU2019111935A RU2019111935A RU2728522C1 RU 2728522 C1 RU2728522 C1 RU 2728522C1 RU 2019111935 A RU2019111935 A RU 2019111935A RU 2019111935 A RU2019111935 A RU 2019111935A RU 2728522 C1 RU2728522 C1 RU 2728522C1
Authority
RU
Russia
Prior art keywords
data
manipulated
rating
product
social media
Prior art date
Application number
RU2019111935A
Other languages
English (en)
Inventor
Чаочао ЧЭНЬ
Цзюнь Чжоу
Original Assignee
Алибаба Груп Холдинг Лимитед
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 Алибаба Груп Холдинг Лимитед filed Critical Алибаба Груп Холдинг Лимитед
Application granted granted Critical
Publication of RU2728522C1 publication Critical patent/RU2728522C1/ru

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G06F21/6254—Protecting personal data, e.g. for financial or medical purposes by anonymising data, e.g. decorrelating personal data from the owner's identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G06F21/6263—Protecting personal data, e.g. for financial or medical purposes during internet communication, e.g. revealing personal data from cookies
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0263—Targeted advertisements based upon Internet or website rating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0623—Item investigation
    • G06Q30/0625—Directed, with specific intent or strategy
    • G06Q30/0627—Directed, with specific intent or strategy using item specifications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • 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
    • 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
    • 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
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/2107—File encryption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L2209/00—Additional information or applications relating to cryptographic mechanisms or cryptographic arrangements for secret or secure communication H04L9/00
    • H04L2209/46—Secure multiparty computation, e.g. millionaire problem
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L2209/00—Additional information or applications relating to cryptographic mechanisms or cryptographic arrangements for secret or secure communication H04L9/00
    • H04L2209/50—Oblivious transfer

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Bioethics (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Medical Informatics (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Information Transfer Between Computers (AREA)
  • Storage Device Security (AREA)

Abstract

Изобретение относится к средствам обновления данных пользовательских признаков. Технический результат заключается в улучшении прогнозирования потребности пользователей и обеспечении предоставления адресных рекомендаций для пользователей. Идентифицируют, посредством платформы рейтинга и рекомендаций по изделиям, данные рейтингов, содержащие соответствующие рейтинги множества изделий от множества пользователей. Идентифицируют, посредством платформы рейтинга и рекомендаций по изделиям, данные пользовательских признаков, содержащие множество пользовательских признаков, оказывающих влияние на соответствующие рейтинги множества изделий от множества пользователей. Принимают, из социальной сетевой платформы посредством платформы рейтинга и рекомендаций по изделиям через схему совместного использования секретов без доверенного инициализатора, множество манипулированных данных социальных сетей, вычисленных на основе данных социальных сетей и первого числа случайных переменных. При этом данные социальных сетей указывают социальные отношения между любыми двумя из множества пользователей, при этом в схеме совместного использования секретов без доверенного инициализатора социальная сетевая платформа совместно использует с платформой рейтинга и рекомендаций по изделиям множество манипулированных данных социальных сетей без раскрытия данных социальных сетей. Обновляют, посредством платформы рейтинга и рекомендаций по изделиям, данные пользовательских признаков на основе данных рейтингов и множества манипулированных данных социальных сетей. 3 н. и 17 з.п. ф-лы, 5 ил.

Description

Уровень техники
[0001] В силу совершенствования технологии и анализа данных, множество онлайновых платформ собирают различные типы данных. Например, платформы рейтингов кинофильмов собирают данные рейтингов от пользователей, в то время как платформы для средств социального общения собирают данные социальных сетей от пользователей. Эти собранные данные являются ценными и обычно хранятся в качестве конфиденциальной информации посредством соответствующих платформ. Платформы обращают все большее внимание на конфиденциальность данных и не обязательно хотят совместно использовать свои собранные данные, по меньшей мере, не в их исходной форме.
Сущность изобретения
[0002] Настоящее раскрытие описывает способы и системы для совместного использования секретов без доверенного инициализатора, например, между двумя платформами для предоставления социальных рекомендаций.
[0003] В реализации, реализуемый компьютером способ включает в себя: идентификацию, посредством платформы рейтинга и рекомендаций по изделиям, данных рейтингов, включающих в себя соответствующие рейтинги числа изделий относительно числа пользователей; идентификацию, посредством платформы рейтинга и рекомендаций по изделиям, данных пользовательских признаков, включающих в себя число пользовательских признаков, способствующих соответствующим рейтингам числа изделий относительно числа пользователей; прием, из социальной сетевой платформы посредством платформы рейтинга и рекомендаций по изделиям через схему совместного использования секретов без доверенного инициализатора, некоторого числа манипулируемых данных социальных сетей, вычисленных на основе данных социальных сетей, и первого числа случайных переменных, при этом данные социальных сетей указывают социальные отношения между любыми двумя из числа пользователей, при этом в схеме совместного использования секретов без доверенного инициализатора, социальная сетевая платформа совместно использует с платформой рейтинга и рекомендаций по изделиям некоторое число манипулируемых данных социальных сетей без раскрытия данных социальных сетей; и обновление, посредством платформы рейтинга и рекомендаций по изделиям, данных пользовательских признаков на основе данных рейтингов и некоторого числа манипулируемых данных социальных сетей.
[0004] Вышеописанная реализация является реализуемой с использованием реализуемого компьютером способа; энергонезависимого считываемого компьютером носителя, хранящего считываемые компьютером инструкции для того, чтобы осуществлять реализуемый компьютером способ; и реализуемой компьютером системы, включающей в себя компьютерное запоминающее устройство, функционально соединенное с аппаратным процессором, выполненным с возможностью выполнять реализуемый компьютером способ/инструкции, сохраненные на энергонезависимом считываемом компьютером носителе.
[0005] Предмет изобретения, описанный в этом подробном описании, может реализовываться в конкретных реализациях таким образом, чтобы реализовывать одно или более следующих преимуществ. Во-первых, описанные технологии обеспечивают возможность различным платформам защищенно сотрудничать при совместном использовании секретов без раскрытия конфиденциальных или чувствительных данных, что стимулирует интеграцию и сотрудничество между платформами без компрометации конфиденциальности данных. Во-вторых, поскольку большая часть работы может осуществляться посредством различных платформ до применения схемы совместного использования секретов, описанные технологии обеспечивают более эффективные общие действия по разработке (к примеру, относительно времени, циклов процессора, использования запоминающего устройства и полосы пропускания/затора в сети) или действия, не поддерживаемые посредством текущих онлайновых платформ. В-третьих, описанные технологии могут предоставлять улучшенные модели рекомендаций платформ рейтинга и рекомендаций по изделиям и предоставлять более адресные рекомендации (к примеру, платформы рекомендаций по фильмам, предоставляющие более адресные релевантные рекомендации пользователям посредством использования полученных данных социальных сетей из платформы для средств социального общения). В-четвертых, описанные технологии позволяют платформам совместно работать без дополнительных расходов в виде доверенного центра. Другие преимущества должны становиться очевидными для специалистов в данной области техники.
[0006] В дальнейшем изложены подробности одной или более реализаций предмета изобретения этого описания изобретения в подробном описании, в формуле изобретения и на прилагаемых чертежах и в формуле изобретения. Другие признаки, аспекты и преимущества предмета изобретения должны становиться очевидными из подробного описания, формулы изобретения и прилагаемых чертежей.
Описание чертежей
[0007] Фиг. 1 является блок-схемой, иллюстрирующей примерную систему для совместного использования секретов между платформой A и платформой B без доверенного инициализатора, согласно реализации настоящего раскрытия.
[0008] Фиг. 2 является блок-схемой последовательности операций, иллюстрирующей примерный способ совместного использования секретов между платформой A и платформой B без доверенного инициализатора для формирования рекомендаций посредством платформы A, согласно реализации настоящего раскрытия.
[0009] Фиг. 3 является блок-схемой последовательности операций, иллюстрирующей примерный способ совместного использования секретов между платформой A и платформой B для вычисления элемента
Figure 00000001
матричного произведения матрицы A и матрицы B с использованием схемы совместного использования секретов без доверенного инициализатора, согласно реализации настоящего раскрытия.
[0010] Фиг. 4 является блок-схемой последовательности операций, иллюстрирующей примерный способ для формирования рекомендации посредством платформы рейтинга и рекомендаций по изделиям с использованием схемы совместного использования секретов без доверенного инициализатора, согласно реализации настоящего раскрытия.
[0011] Фиг. 5 является блок-схемой, иллюстрирующей примерную компьютерную систему, используемую для того, чтобы предоставлять вычислительные функциональности, ассоциированные с описанными алгоритмами, способами, функциями, процессами, последовательностями операций и процедурами, как описано в настоящем раскрытии, согласно реализации настоящего раскрытия.
[0012] Аналогичные ссылки с номерами и обозначения в различных чертежах указывают аналогичные элементы.
Подробное описание изобретения
[0013] Нижеприведенное подробное описание описывает схему совместного использования секретов без доверенного инициализатора, например, между двумя платформами для предоставления рекомендаций пользователям на основе данных социальных сетей и представляется, чтобы обеспечивать возможность специалистам в данной области техники осуществлять и использовать раскрытый предмет изобретения в контексте одной или более конкретных реализаций. Различные модификации, поправки и перестановки раскрытых реализаций могут вноситься и должны становиться очевидными для специалистов в данной области техники, и заданные в данном документе общие принципы могут применяться к другим реализациям и вариантам применения, без отступления от объема раскрытия. В некоторых случаях, подробности, необязательные для того, чтобы получать понимание описанного предмета изобретения, могут опускаться, с тем чтобы не затруднять понимание одной или более описанных реализаций необязательными подробностями, и поскольку такие подробности находятся в пределах квалификации специалистов в данной области техники. Настоящее раскрытие не имеет намерение быть ограниченным описанными или проиллюстрированными реализациями, а согласуется с самым широким объемом в соответствии с описанными принципами и признаками.
[0014] Из множества онлайновых платформ, различные платформы могут собирать различные типы данных. Например, платформа рейтинга и рекомендаций по изделиям, такая как Netflix или IMDB, собирает данные рейтингов от пользователей относительно фильмов и телесериалов. Платформа для средств социального общения или социальная сетевая платформа, такая как Facebook или Twitter, собирают данные социальных сетей от пользователей и их друзей. Социальная информация может повышать производительность системы выдачи рекомендаций, поскольку близкие друзья имеют тенденцию иметь аналогичные предпочтения. Существующие способы выдачи рекомендаций на основе социальных сетей предполагают, что данные пользовательских рейтингов изделия и данные социальных сетей между пользователями совместно используются. Тем не менее, вследствие конфиденциальности данных или других проблем, онлайновые платформы типично не используют совместно свои исходные данные с другими сторонами.
[0015] Описываются примерные технологии, которые обеспечивают возможность платформам защищенно сотрудничать при компоновке улучшенной системы выдачи рекомендаций на основе как данных рейтингов, так и на данных социальных сетей без раскрытия конфиденциальных данных каждой платформы другим. Например, социальная модель рекомендаций может обучаться на основе как данных рейтингов, так и данных социальных сетей через схему совместного использования секретов между платформой рейтинга и рекомендаций по изделиям и социальной сетевой платформой. Согласно схеме совместного использования секретов, данные, которыми обмениваются между платформами, находятся в манипулируемой форме, а не в исходной форме. Данные для обмена манипулируются таким образом, что нельзя восстанавливать или декодировать исходные данные из манипулируемых данных.
[0016] Схема совместного использования секретов отличается от кодирования, шифрования или других схем для защищенной передачи данных, в которых источник данных (например, в качестве передатчика) кодирует или шифрует исходные данные в кодированную форму перед передачей, и намеченный получатель может декодировать или восстанавливать исходные данные из принимаемых кодированных данных, например, на основе известного ключа защиты или соответствующего алгоритма декодирования. Схема совместного использования секретов защищает исходные данные от становления известными для намеченного получателя. В связи с этим, источник данных может сохранять конфиденциальность исходных данных.
[0017] Схема совместного использования секретов в силу этого стимулирует сотрудничество между различными платформами и позволяет помогать достигать взаимных выгод без компрометации конфиденциальности данных. Например, при использовании раскрытой схемы совместного использования секретов, платформа рейтинга и рекомендаций по изделиям может использовать информацию социальных сетей из социальной сетевой платформы, чтобы лучше прогнозировать потребности пользователя и предоставлять адресные рекомендации для пользователей, приводя к улучшенным возможностям работы пользователей, и потенциальная прибыль возвращается в платформу рейтинга и рекомендаций по изделиям.
[0018] Фиг. 1 является блок-схемой, иллюстрирующей примерную систему 100 для совместного использования секретов между платформой A 102 и платформой B 104, согласно реализации настоящего раскрытия. Платформа A 102 может включать в себя, но не только, платформу рейтинга и рекомендаций по изделиям в сфере развлечений, розничной торговли, обслуживания и в другой отрасли или секторах, в которых пользователи могут присваивать рейтинги продуктам, услугам или другим изделиям. Примеры платформы рейтинга и рекомендаций по изделиям включают в себя, например, Amazon, Netflix или IMDB. Платформа A 102 может собирать данные R рейтингов от своих пользователей. Данные R рейтингов могут включать в себя один или более фактических рейтингов одного или более изделий (например, продуктов или услуг), представляемых пользователями, либо один или более увязанных рейтингов на основе щелчков пользователя, покупок, поиска или других статистических действий относительно изделий. Рейтинги могут отражать потребности, пристрастия или предпочтения пользователя изделий. Рейтинги могут иметь конкретный диапазон (например, [0, 1] или [1, 5]). В некоторых реализациях, данные R рейтингов могут представляться в матрице, имеющей размерность M* N, где M представляет число пользователей, и N представляет число изделий, при этом записи Rij представляют рейтинг изделия j пользователем i.
[0019] Платформа A 102 также может включать в себя пользовательские данные, которые могут включать в себя, например, имена, возрасты, пол, адреса пользователей или любую другую информацию счета или профиля, предыстории покупок, предыстории просмотров или предыстории поиска пользователей в платформе A 102. Платформа A 102 также может включать в себя данные изделий, которые могут включать в себя, например, названия, категории, цены, ключевые слова, инструкции и т.д., связанные с изделиями.
[0020] В некоторых реализациях, собранные данные R рейтингов могут представлять собой разреженную матрицу, поскольку только небольшое число (по сравнению с M*N) записей Rij имеют рейтинг или увязанный рейтинг на основе существующих пользовательских действий относительно изделий. В некоторых реализациях, платформа A 102 может прогнозировать известные рейтинги изделий таким образом, чтобы предоставлять адресные рекомендации по изделиям пользователям. В некоторых реализациях, платформа A 102 может прогнозировать известные рейтинги изделий, например, на основе пользовательских данных и данных изделий согласно алгоритмам машинного обучения или статистической обработки. В качестве примера, платформа A 102 может предоставлять рекомендации по изделиям на основе данных U пользовательских признаков (также называемых "пользовательскими факторными данными") и данных V признаков изделий (также называемых "факторными данными изделий") согласно способам матричной факторизации или другим технологиям. В частности, каждый пользователь (например, пользователь i) может характеризоваться посредством вектора (например, Ui) пользовательских признаков, таких как возраст, пол, геолокация, шаблон посещений и т.д. Каждое изделие (например, изделие j) может характеризоваться посредством вектора (например, Vj) признаков изделий, таких как категория, ключевые слова, темы, цены и т.д. Пользовательские признаки и признаки изделий могут представлять собой факторы, которые оказывают влияние на рейтинг, выбор или покупку данным пользователем данного изделия. В некоторых реализациях, рейтинг изделия, предоставленный пользователем, может аппроксимироваться посредством произведения с точкой вектора пользовательских признаков и вектора признаков изделий. Например:
Figure 00000002
, (1)
где Ui представляет вектор данных пользовательских признаков, соответствующих пользователю i; Vj представляет вектор данных признаков изделий, соответствующих изделию j; и Rij представляет рейтинг изделия j пользователем i.
[0021] В некоторых реализациях, вектор пользовательских признаков (например, Ui) и вектор признаков изделий (например, Vj) представляют собой собственные векторы, которые могут распознаваться из обучающих данных (например, известных данных рейтингов).
[0022] Платформа B 104 может включать в себя, но не только, платформу для средств социального общения (к примеру, Facebook, Twitter или Instragram). Платформа B 104 может собирать данные S социальных сетей от своих пользователей. Данные социальных сетей могут включать в себя, например, имена, возрасты, пол, адреса, должности, родственные отношения, хобби, статусы, комментарии, блоги, предысторию просмотров или другие демографические данные, информацию занятости, информацию по предпочтениям в развлечениях пользователя на платформе B, а также соответствующую информацию друзей, семьи, коллег пользователя и т.д. Такие данные S социальных сетей могут быть информативными для платформы A для прогнозирования рейтинга пользователя изделия и предоставления рекомендаций.
[0023] Например, платформа A может прогнозировать рейтинги пользователя посредством решения проблемы оптимизации, как показано в формуле (2):
Figure 00000003
(2)
где Sik представляет социальное отношение между пользователем i и пользователем k в данных S социальных сетей;
Figure 00000004
представляет предварительно заданный весовой коэффициент, ассоциированный с данными социальных сетей; и
Figure 00000005
представляет предварительно заданный весовой коэффициент для того, чтобы предотвращать переобучение.
[0024] В этом примере, целевая функция в правой стороне формулы (2) включает в себя 3 члена. Первый член
Figure 00000006
представляет ошибку или расстояние между известными данными рейтингов и аппроксимированным рейтингом, вычисленным на основе данных пользовательских признаков (например, U=[U1, U2,..., UM]) и данных признаков изделий (например, V=[V1, V2,..., VN]). Второй член
Figure 00000007
представляет влияние данных S социальных сетей на векторы пользовательских признаков. Например, чем более близкими или более тесными являются социальные отношения двух пользователей, тем более похожими являются два вектора признаков пользователей. В некоторых реализациях, чем больше
Figure 00000008
, тем более близкими или более тесными являются социальные отношения двух пользователей. Третий член
Figure 00000009
используется для того, чтобы предотвращать переобучение. Значения весовых коэффициентов
Figure 00000004
и
Figure 00000005
могут быть предварительно определены. Чем больше весовой коэффициент, тем больше влияние соответствующего члена на целевую функцию.
[0025] Вышеуказанная проблема оптимизации для того, чтобы минимизировать целевую функцию, может разрешаться, например, посредством градиентного спуска или другого алгоритма. Например, взятие производной собственных векторов U и V могут давать в результате нижеуказанные два уравнения (2):
Figure 00000010
(3)
Figure 00000011
(4)
[0026] Чтобы разрешать относительно U и V в вышеуказанных уравнениях (3) и (4), результаты матричных произведений
Figure 00000012
и
Figure 00000013
являются достаточными, без необходимости знать значения U и S отдельно. В связи с этим, схема совместного использования секретов может использоваться посредством платформ A и B для того, чтобы получать результаты матричных произведений
Figure 00000012
и
Figure 00000014
. Согласно схеме совместного использования секретов, платформа A может раскрывать манипулируемый U для платформы B без раскрытия исходного U для платформы B; и платформа B может раскрывать манипулируемый S для платформы A без раскрытия исходного S для платформы A.
[0027] В некоторых реализациях, схема совместного использования секретов может реализовываться с/без доверенного инициализатора. С доверенным инициализатором, общая исходная точка может устанавливаться посредством доверенного инициализатора и отправляться в две платформы, чтобы помогать при их обмене данными. Без доверенного инициализатора, две платформы могут формировать случайные числа в качестве своих соответствующих исходных точек, чтобы помогать при их обмене данными. Платформы могут извлекать выгоду из сотрудничества без совместного использования чувствительной конфиденциальной информации.
[0028] Фиг. 2 является блок-схемой последовательности операций, иллюстрирующей примерный способ 200 совместного использования секретов между платформой A и платформой B без доверенного инициализатора для формирования рекомендаций посредством платформы A, согласно реализации настоящего раскрытия. Платформа A может представлять собой платформу A, описанную на фиг. 1, и платформа B может представлять собой платформу B, описанную на фиг. 1. В некоторых реализациях, примерный способ совместного использования секретов может реализовываться в итеративном алгоритме. Число T итераций, например, может быть предварительно определенным значением или определяться на основе определенных критериев (например, того, сходится либо нет алгоритм, либо того, находится или нет обновления или разности U или V после различных итераций ниже порогового значения). На 202, платформа A идентифицирует данные R пользовательских рейтингов и начальные данные U пользовательских признаков и данные V признаков изделий и число T итераций. На 204, платформа B идентифицирует данные S социальных сетей. Для t-той итерации (t<T), на 208, платформа A и платформа B могут выполнять схему совместного использования секретов без доверенного инициализатора, чтобы получать матричные произведения
Figure 00000012
и
Figure 00000014
. На 206, платформа A обновляет U или V на основе матричных произведений
Figure 00000012
и
Figure 00000014
, например, согласно уравнениям (3) и (4). После T итераций, на 210, признак изделия для платформы A формирует рекомендации на основе обновленных данных U пользовательских признаков и данных V признаков изделий.
[0029] В некоторых реализациях, пусть матрица Z представляет собой произведение матрицы A и матрицы B. Таким образом, Z=
Figure 00000015
B.
Figure 00000016
представляет запись/элемент Z в i-ой строке и j-ом столбце.
Figure 00000016
может вычисляться, например, согласно уравнению (5). Матричные произведения
Figure 00000012
и
Figure 00000013
. Например,
Figure 00000017
, (5)
где
Figure 00000018
представляет i-ую строку матрицы A, и
Figure 00000019
представляет j-ый столбец матрицы B.
[0030] Фиг. 3 является блок-схемой последовательности операций, иллюстрирующей примерный способ 300 совместного использования секретов между платформой A и платформой B для вычисления элемента
Figure 00000016
произведения матрицы A и матрицы B с использованием схемы совместного использования секретов без доверенного инициализатора, согласно реализации настоящего раскрытия. В схеме совместного использования секретов без доверенного инициализатора, обе платформы формируют случайные числа в последовательности этапов и вычислений, которые должны заменять потребность в доверенном инициализаторе.
[0031] На 304, платформа A 302 получает начальный вектор x=(x1, x2,..., x_2k), который может представлять собой
Figure 00000020
i-ю строку матрицы A. На 324, платформа B 322 получает начальный вектор y=(y1, y2,..., y_2k), который может представлять собой
Figure 00000021
j-ый столбец матрицы B. Векторы x и y могут иметь идентичную размерность в 2k. Векторы x и y могут включать в себя, например, случайные переменные, все нули, предварительно определенные значения или другие начальные значения.
[0032] В некоторых реализациях, обе платформы A и B вычисляют для вывода посредством прохождения цикла k раз 350. В k-ой итерации, на 306, платформа A 302 формирует случайные значения aj и cj таким образом, что сумма (aj+cj) не равна 0. Например, случайные сформированные значения aj и cj могут многократно формироваться до тех пор, пока aj+cj не будет равно 0, как показано на 308. Когда находится, что aj+cj не равно 0, платформа A 302 вычисляет для значений, которые манипулируются и впоследствии отправляются в платформу B 322. Вычисленные значения для платформы A 302 могут включать в себя, но не только, pj=aj+cj, x'[2j]=x[2j]+cj, как показано на 310. На 311, значения, {pj, x'[2-1], x'[2j]}, отправляются в платформу B 322 для вычисления. Аналогично, на 326, платформа B 322 формирует случайные значения bj и dj таким образом, что сумма (bj+dj) не равна 0. Например, случайные сформированные значения bj и dj могут многократно формироваться до тех пор, пока bj+dj не будет равно 0, как показано на 328. Вычисленные значения для платформы B 322 могут включать в себя, но не только, qj=bj+dj, y'[2j-1]=y[2j-1]+bj and y'[2j]=y[2j]+dj, как показано на 330. На 331, значения, {qj, y'[2-1], y'[2j]}, отправляются в платформу A 302 для вычисления.
[0033] После того, как платформы отправляют манипулируемые данные друг другу, при нахождении в k цикле, обе платформы вычисляют значения, которые в конечном счете суммируются вплоть до выходных значений. Платформа A 302 вычисляет hj=y'[2j-1](x[2j-1]+2aj)+y'[2j](x[2j]+2cj)+qj (aj+2cj), как показано на 312. Платформа B 322 вычисляет gj=x'[2j-1] (2y'[2j-1]-bj)+x'[2j](2y[2j]-dj)+pj dj-2bj), как показано на 332. На 314, платформа A 302 получает значение h посредством суммирования всех hj, то есть
Figure 00000022
, как показано на 314. На 332, платформа B 322 получает значение g посредством суммирования всех gj, то есть
Figure 00000023
, как показано на 334.
[0034] На 315, платформа A может принимать значение g из платформы B. Сумма h и g равна произведению векторов x и y. Таким образом, xy=h+g. В связи с этим, на 315, платформа A принимает значение g из платформы B. На 335, платформа A отправляет значение h в платформу B. На 316, платформа A может вычислять произведение векторов x и y посредством вычисления суммы h и g, которые представляют собой манипулируемые данные векторов x и y. Аналогично, на 336, платформа B также может вычислять произведение векторов x и y посредством вычисления суммы h и g.
[0035] При условии, что x может быть i-ой строкой матрицы A,
Figure 00000024
, и y может быть j-ым столбцом матрицы B,
Figure 00000019
, элемент
Figure 00000016
произведения матрицы A и матрицы B может получаться в качестве
Figure 00000016
=
Figure 00000025
. Соответственно, может получаться матричное произведение Z матрицы A и матрицы B.
[0036] Посредством замены матрицы U на A и замены d
Figure 00000026
на B, может получаться матричное произведение
Figure 00000027
. Аналогично, посредством замены U на A и замены S на B, может получаться матричное произведение
Figure 00000013
. С матричными произведениями
Figure 00000012
и
Figure 00000014
, платформа A может обновлять U или V, например, согласно уравнениям (3) и (4), как описано относительно 206 на фиг. 2.
[0037] Таким образом, платформа A 302 может формировать прогнозированные данные рейтингов на основе обновленных данных пользовательских признаков и данных признаков изделий. В некоторых реализациях, платформа A 302 может, в числе прочего, формировать рекомендации для конкретного изделия для конкретного клиента на основе прогнозированных данных рейтингов. Вышеописанные технологии и вычисление могут достигаться без необходимости доверенного центра в качестве дополнительных расходов.
[0038] Фиг. 4 является блок-схемой последовательности операций примерного способа 400 для формирования рекомендации пользователю посредством платформы рейтинга и рекомендаций по изделиям с использованием схемы совместного использования секретов без доверенного инициализатора, согласно реализации. Для ясности представления, нижеприведенное описание, в общем, описывает способ 400 в контексте других чертежей в этом описании. Например, платформа рейтинга и рекомендаций по изделиям может представлять собой платформу A, как описано относительно фиг 1-3. Тем не менее, следует понимать, что способ 400 может осуществляться, например, посредством любой подходящей системы, окружения, программного обеспечения и аппаратных средств либо комбинации систем, окружений, программного обеспечения и аппаратных средств, надлежащим образом. В некоторых реализациях, различные этапы способа 400 могут выполняться параллельно, в комбинации, циклически или в любом порядке.
[0039] На 402, данные рейтингов, включающие в себя, но не только, соответствующие рейтинги числа изделий относительно числа пользователей, идентифицируются посредством платформы рейтинга и рекомендаций по изделиям. Идентификация данных рейтингов включает в себя прием (например, из другого устройства), извлечение или загрузку из запоминающего устройства либо определение данных рейтингов на основе одного или более вводов в способ 400. Данные рейтингов могут включать в себя данные R рейтингов, описанные относительно фиг. 1-3. Например, данные рейтингов могут включать в себя фактический рейтинг или увязанный рейтинг на основе существующих пользовательских действий относительно изделий. От 402, способ 400 переходит к 404.
[0040] На 404, данные пользовательских признаков, включающие в себя число пользовательских признаков, способствующих соответствующим рейтингам числа изделий относительно числа пользователей, идентифицируются посредством платформы рейтинга и рекомендаций по изделиям. Идентификация данных пользовательских признаков включает в себя прием (например, из другого устройства), извлечение или загрузку из запоминающего устройства либо определение данных пользовательских признаков на основе одного или более вводов в способ 400. В некоторых реализациях, данные пользовательских признаков могут быть представлены матрицей U. Данные пользовательских признаков могут включать в себя данные U пользовательских признаков, описанные относительно фиг. 1-3. От 404, способ 400 переходит к 406.
[0041] На 406, данные признаков изделий, включающие в себя число признаков изделий, способствующих соответствующим рейтингам числа изделий относительно числа пользователей, идентифицируются посредством платформы рейтинга и рекомендаций по изделиям. В некоторых реализациях, идентификация данных признаков изделий включает в себя прием (например, из другого устройства), извлечение или загрузку из запоминающего устройства или определение данных признаков изделий на основе одного или более вводов в способ 400. Данные признаков изделий могут включать в себя данные V признаков изделий, описанные относительно фиг. 1-3. От 406, способ 400 переходит к 408.
[0042] На 408, платформа рейтинга и рекомендаций по изделиям принимает число манипулируемых данных социальных сетей (например, g, описанных относительно фиг. 3), вычисленное на основе данных социальных сетей (например, y, вектора матрицы S данных социальных сетей) из социальной сетевой платформы через схему совместного использования секретов без доверенного инициализатора из социальной сетевой платформы. Дополнительно, данные социальных сетей указывают социальные отношения между любыми двумя из числа пользователей. В схеме совместного использования секретов без доверенного инициализатора, социальная сетевая платформа совместно использует с платформой рейтинга и рекомендаций по изделиям число манипулируемых данных социальных сетей (например, g) без раскрытия данных социальных сетей (например, y), причем манипулируемые данные социальных сетей вычисляются на основе данных социальных сетей и первого числа случайных переменных (например, bj, dj). В некоторых реализациях, в схеме совместного использования секретов без доверенного инициализатора, платформа рейтинга и рекомендаций по изделиям совместно использует с социальной сетевой платформой число манипулируемых данных пользовательских признаков (например, h) без раскрытия данных пользовательских признаков (например, x, вектора матрицы U данных пользовательских признаков), причем число манипулируемых данных пользовательских признаков вычисляется на основе данных пользовательских признаков и второго числа случайных переменных (например, aj, cj). В некоторых реализациях, манипулируемые данные социальных сетей манипулируются таким образом, что нельзя восстанавливать исходные данные социальных сетей из манипулируемых данных социальных сетей.
[0043] В некоторых реализациях, схема совместного использования секретов без доверенного инициализатора используется для решения проблемы оптимизации, как описано относительно формулы (2), например, как описано относительно фиг. 3. Например, в схеме совместного использования секретов без доверенного инициализатора, платформа рейтинга и рекомендаций по изделиям получает вектор данных пользовательских признаков (например, x) и формирует первые манипулируемые данные пользовательских признаков (например, x') на основе вектора данных пользовательских признаков (например, x) и второго числа случайных переменных (например, aj, cj). Платформа рейтинга и рекомендаций по изделиям передает в социальную сетевую платформу первые манипулируемые данные пользовательских признаков (например, x') и принимает из социальной сетевой платформы первые манипулируемые данные социальных сетей (например, y'), вычисленные на основе данных социальных сетей (например, y) и первого числа случайных переменных (например, bj, dj).
[0044] Платформа рейтинга и рекомендаций по изделиям может формировать одни из манипулируемых данных пользовательских признаков (например, h) на основе двух или более из первых манипулируемых данных пользовательских признаков (например, x'), первых манипулируемых данных социальных сетей (например, y') или второго числа случайных переменных (например, aj, cj). Аналогично, социальная сетевая платформа может формировать одни из манипулируемых данных социальных сетей (например, g), вычисленные на основе двух или более из первых манипулируемых данных пользовательских признаков (например, x'), первых манипулируемых данных социальных сетей (например, y') или первого числа случайных переменных (например, bj, dj). От 408, способ 400 переходит к 410.
[0045] На 410, платформа рейтинга и рекомендаций по изделиям отправляет число манипулируемых данных пользовательских признаков (например, число h) в социальную сетевую платформу без раскрытия данных пользовательских признаков (например, x или любого вектора U), например, как описано относительно фиг. 3. От 410, способ 400 переходит к 412.
[0046] На 412, платформа рейтинга и рекомендаций по изделиям обновляет данные пользовательских признаков на основе данных рейтингов и числа манипулируемых данных социальных сетей. В некоторых реализациях, обновление данных пользовательских признаков включает в себя вычисление произведения данных пользовательских признаков и данных социальных сетей посредством вычисления суммы одних из числа манипулируемых данных пользовательских признаков (например, h) и одних из числа манипулируемых данных социальных сетей (например, g). Дополнительно, упомянутое вычисление может включать в себя вычисление для каждой записи в произведении данных пользовательских признаков и данных социальных сетей и вычисление одних из числа манипулируемых данных пользовательских признаков и одних из числа манипулируемых данных социальных сетей без данных социальных сетей. В некоторых реализациях, данные пользовательских признаков включают в себя решение проблемы оптимизации, чтобы минимизировать взвешенную сумму разницы между прогнозированными данными рейтингов и данными рейтингов, данных пользовательских признаков, взвешенных посредством данных социальных сетей, и члена для предотвращения переобучения, например, как показано в формуле (2). В некоторых реализациях, обновление данных пользовательских признаков включает в себя обновление данных пользовательских признаков согласно примерным технологиям, описанным относительно фиг. 3. От 412, способ 400 переходит к 414.
[0047] На 414, платформа рейтинга и рекомендаций по изделиям обновляет данные признаков изделий на основе данных рейтингов и данных пользовательских признаков, например, согласно примерным технологиям, описанным относительно фиг. 3. От 414, способ 400 переходит к 416.
[0048] На 416, формируются прогнозированные данные рейтингов числа изделий относительно числа пользователей на основе произведения данных пользовательских признаков и данных признаков изделий. В некоторых реализациях, прогнозированные данные рейтингов могут формироваться, например, на основе произведения данных пользовательских признаков и данных признаков изделий согласно уравнению (1). В некоторых реализациях, сформированный рейтинг может лучше совмещаться с потребностями или предпочтениями пользователей вследствие включения социальной сети. От 416, способ 400 переходит к 418.
[0049] На 418, формируется рекомендация по конкретному изделию для конкретного пользователя на основе прогнозированных данных рейтингов. В некоторых реализациях, одно или более изделий с лучшими прогнозными рейтингами относительно конкретного пользователя могут рекомендоваться конкретному пользователю. Рекомендация по конкретному изделию может представлять собой рекомендацию по фильму или покупаемому товару. Например, Netflix может лучше рекомендовать фильм, или Amazon может лучше рекомендовать изделие на основе данных социальных сетей. В некоторых реализациях, рекомендация по конкретному изделию для конкретного изделия может выводиться, например, через пользовательский интерфейс (UI). В некоторых реализациях, выбранные темы могут отображаться в окне чата, всплывающем окне и т.д. в графическом пользовательском интерфейсе (GUI) или в других UI для анализа и рассмотрения пользователем. После 418, способ 400 прекращается.
[0050] Фиг. 5 является блок-схемой примерной компьютерной системы 500, используемой для того, чтобы предоставлять вычислительные функциональности, ассоциированные с описанными алгоритмами, способами, функциями, процессами, последовательностями операций и процедурами, как описано в настоящем раскрытии, согласно реализации. Проиллюстрированный компьютер 502 имеет намерение охватывать любое вычислительное устройство, такое как сервер, настольный компьютер, переносной компьютер/ноутбук, порт беспроводной передачи данных, смартфон, персональное цифровое устройство (PDA), планшетное вычислительное устройство, один или более процессоров в этих устройствах либо любое другое подходящее обрабатывающее устройство, включающее в себя физические или виртуальные экземпляры (либо и то, и другое) вычислительного устройства. Дополнительно, компьютер 502 может включать в себя компьютер, который включает в себя устройство ввода, такое как клавишная панель, клавиатура, сенсорный экран или другое устройство, которое может подтверждать пользовательскую информацию, и устройство вывода, которое передает информацию, ассоциированную с работой компьютера 502, включающую в себя цифровые данные, визуальную или аудиоинформацию (либо комбинацию информации) или графический пользовательский интерфейс (UI) (или GUI).
[0051] Компьютер 502 может служить в роли клиента, сетевого компонента, сервера, базы данных или другого постоянного хранилища либо любого другого компонента (либо в комбинации ролей) компьютерной системы для выполнения предмета изобретения, описанного в этом раскрытии. Проиллюстрированный компьютер 502 соединяется с возможностью связи с сетью 530. В некоторых реализациях, один или более компонентов компьютера 502 могут быть выполнены с возможностью работать в окружениях, включающих в себя основанные на облачных вычислениях, локальные, глобальные или другие окружения (либо комбинацию окружений).
[0052] На высоком уровне, компьютер 502 представляет собой электронное вычислительное устройство, выполненное с возможностью принимать, передавать, обрабатывать, сохранять или управлять данными и информацией, ассоциированной с описанным предметом изобретения. Согласно некоторым реализациям, компьютер 502 также может включать в себя или соединяться с возможностью связи с сервером приложений, почтовым сервером, веб-сервером, сервером кэширования, сервером потоковых данных или другим сервером (либо с комбинацией серверов).
[0053] Компьютер 502 может принимать запросы по сети 530 из клиентского приложения (например, выполняющегося на другом компьютере 502) и отвечать на принимаемые запросы посредством обработки принимаемых запросов с использованием соответствующего приложения(й). Помимо этого, запросы также могут отправляться в компьютер 502 от внутренних пользователей (например, из командной консоли или посредством другого соответствующего способа доступа), внешних или третьих сторон, других автоматизированных приложений, а также любых других соответствующих объектов, людей, систем или компьютеров.
[0054] Каждый из компонентов компьютера 502 может обмениваться данными с использованием системной шины 503. В некоторых реализациях, любые из компонентов компьютера 502, аппаратных средств или программного обеспечения (либо комбинации аппаратных средств и программных обеспечений), могут взаимодействовать между собой или с интерфейсом 504 (либо с комбинацией означенного) по системной шине 503 с использованием интерфейса 512 прикладного программирования (API) или уровня 513 предоставления услуг (либо комбинации API 512 и уровня 513 предоставления услуг). API 512 может включать в себя технические требования для процедур, структур данных и классов объектов. API 512 может быть независимым или зависимым от машинного языка и означать полный интерфейс, одну функцию или даже набор API. Уровень 513 предоставления услуг предоставляет программные услуги в компьютер 502 или другие компоненты (независимо от того, проиллюстрированы они или нет), которые соединяются с возможностью связи с компьютером 502. Функциональность компьютера 502 может быть доступной для всех потребителей услуги с использованием этого уровня предоставления услуг. Программные услуги, к примеру, услуги, предоставленные посредством уровня 513 предоставления услуг, предоставляют многократно используемые, заданные функциональности посредством заданного интерфейса. Например, интерфейс может представлять собой программное обеспечение, написанное на JAVA, C++ либо на других подходящих языках, предоставляющих данные в формате расширяемого языка разметки (XML) или в других подходящих форматах. Хотя проиллюстрированы в качестве интегрального компонента компьютера 502, альтернативные реализации могут иллюстрировать API 512 или уровень 513 предоставления услуг в качестве автономных компонентов относительно других компонентов компьютера 502 или других компонентов (независимо от того, проиллюстрированы они или нет), которые соединяются с возможностью связи с компьютером 502. Кроме того, любые части API 512 или уровня 513 предоставления услуг могут реализовываться как дочерний элемент или субмодули другого программного модуля, корпоративного приложения или аппаратного модуля без отступления от объема данного раскрытия.
[0055] Компьютер 502 включает в себя интерфейс 504. Хотя иллюстрируется в качестве одного интерфейса 504 на фиг. 5, два или более интерфейса 504 могут использоваться согласно конкретным потребностям, желаниям либо конкретным реализациям компьютера 502. Интерфейс 504 используется посредством компьютера 502 для обмена данными с другими системами, которые соединяются с сетью 530 (независимо от того, проиллюстрирована она или нет) в распределенном окружении. Обычно, интерфейс 504 включает в себя логику, кодированную в программном обеспечении или в аппаратных средствах (либо в комбинации программного обеспечения и аппаратных средств), и выполнен с возможностью обмениваться данными с сетью 530. Более конкретно, интерфейс 504 может включать в себя программное обеспечение, поддерживающее один или более протоколов связи, ассоциированных со связью таким образом, что сеть 530 или аппаратные средства интерфейса выполнены с возможностью обмениваться физическими сигналами в пределах/за пределами проиллюстрированного компьютера 502.
[0056] Компьютер 502 включает в себя процессор 505. Хотя иллюстрируется в качестве одного процессора 505 на фиг. 5, два или более процессоров могут использоваться согласно конкретным потребностям, желаниям либо конкретным реализациям компьютера 502. Обычно, процессор 505 выполняет инструкции и манипулирует данными, чтобы выполнять операции компьютера 502 и любые алгоритмы, способы, функции, процессы, последовательности операций и процедуры, как описано в настоящем раскрытии.
[0057] Компьютер 502 также включает в себя базу 506 данных, которая может хранить данные для компьютера 502 или других компонентов (либо для комбинации означенного), которые могут соединяться с сетью 530 (независимо от того, проиллюстрирована она или нет). Например, база 506 данных может представлять собой базу данных в запоминающем устройстве, традиционную базу данных либо другой тип базы данных, сохраняющей данных в соответствии с этим раскрытием. В некоторых реализациях, база 506 данных может представлять собой комбинацию двух или более различных типов баз данных (например, гибридной базы данных в оперативном запоминающем устройстве и традиционной базы данных в оперативном запоминающем устройстве) согласно конкретным потребностям, желаниям либо конкретным реализациям компьютера 502 и описанной функциональности. Хотя иллюстрируется в качестве одной базы 506 данных на фиг. 5, две или более баз данных (идентичного либо комбинации типов) могут использоваться согласно конкретным потребностям, желаниям либо конкретным реализациям компьютера 502 и описанной функциональности. Хотя база 506 данных проиллюстрирована в качестве неотъемлемого компонента компьютера 502, в альтернативных реализациях, база 506 данных может быть внешней для компьютера 502. Как проиллюстрировано, база 506 данных хранит вышеописанные данные 516 рейтингов, данные 518 пользовательских признаков, данные 526 признаков изделий и данные 528 социальных сетей.
[0058] Компьютер 502 также включает в себя запоминающее устройство 507, которое может хранить данные для компьютера 502 или других компонентов (либо для комбинации означенного) которые могут соединяться с сетью 530 (независимо от того, проиллюстрирована она или нет). Запоминающее устройство 507 может сохранять любые данные в соответствии с этим раскрытием. В некоторых реализациях, запоминающее устройство 507 может представлять собой комбинацию двух или более различных типов запоминающего устройства (например, комбинацией полупроводникового и магнитного устройства хранения данных) согласно конкретным потребностям, желаниям либо конкретным реализациям компьютера 502 и описанной функциональности. Хотя иллюстрируется в качестве одного запоминающего устройства 507 на фиг. 5, два или более запоминающих устройств 507 (идентичного либо комбинации типов) могут использоваться согласно конкретным потребностям, желаниям либо конкретным реализациям компьютера 502 и описанной функциональности. Хотя запоминающее устройство 507 проиллюстрировано в качестве неотъемлемого компонента компьютера 502, в альтернативных реализациях, запоминающее устройство 507 может быть внешним для компьютера 502.
[0059] Приложение 508 представляет собой алгоритмический программный механизм, предоставляющий функциональность согласно конкретным потребностям, желаниям либо конкретным реализациям компьютера 502, в частности, относительно функциональности, описанной в этом раскрытии. Например, приложение 508 может служить в качестве одного или более компонентов, модулей или приложений. Дополнительно, хотя иллюстрируется в качестве одного приложения 508, приложение 508 может реализовываться как несколько приложений 508 на компьютере 502. Помимо этого, хотя иллюстрируется в качестве неотъемлемого в компьютере 502, в альтернативных реализациях, приложение 508 может быть внешним для компьютера 502.
[0060] Компьютер 502 также может включать в себя источник 514 мощности. Источник 514 мощности может включать в себя перезаряжаемый или неперезаряжаемый аккумулятор, который может быть выполнен с возможностью быть заменяемым или незаменяемым пользователем. В некоторых реализациях, источник 514 мощности может включать в себя схемы преобразования или управления мощностью (включающие в себя перезаряд, режим готовности или другую функциональность управления мощностью). В некоторых реализациях, источник 514 мощности может включать в себя силовой штепсель, чтобы обеспечивать возможность подключения компьютера 502 в настенное гнездо или другой источник мощности, например, что подавать мощность в компьютер 502 или перезаряжать перезаряжаемый аккумулятор.
[0061] Может быть предусмотрено любое число компьютеров 502, ассоциированных или внешних по отношению к компьютерной системе, содержащей компьютер 502, причем каждый компьютер 502 обменивается данными по сети 530. Дополнительно, термин "клиент", "пользователь" и другие соответствующие термины могут использоваться взаимозаменяемо, надлежащим образом, без отступления от объема данного раскрытия. Кроме того, это раскрытие предполагает то, что множество пользователей могут использовать один компьютер 502, или то, что один пользователь может использовать несколько компьютеров 502.
[0062] Описанные реализации предмета изобретения могут включать в себя один или более признаков, отдельно или в комбинации.
[0063] Например, в первой реализации, реализуемый компьютером способ включает в себя: идентификацию, посредством платформы рейтинга и рекомендаций по изделиям, данных рейтингов, включающих в себя соответствующие рейтинги числа изделий относительно числа пользователей; идентификацию, посредством платформы рейтинга и рекомендаций по изделиям, данных пользовательских признаков, включающих в себя число пользовательских признаков, способствующих соответствующим рейтингам числа изделий относительно числа пользователей; прием, из социальной сетевой платформы посредством платформы рейтинга и рекомендаций по изделиям через схему совместного использования секретов без доверенного инициализатора, некоторого числа манипулируемых данных социальных сетей, вычисленных на основе данных социальных сетей и первого числа случайных переменных, при этом данные социальных сетей указывают социальные отношения между любыми двумя из числа пользователей, при этом в схеме совместного использования секретов без доверенного инициализатора, социальная сетевая платформа совместно использует с платформой рейтинга и рекомендаций по изделиям некоторое число манипулируемых данных социальных сетей без раскрытия данных социальных сетей; и обновление, посредством платформы рейтинга и рекомендаций по изделиям, данных пользовательских признаков на основе данных рейтингов и некоторого числа манипулируемых данных социальных сетей.
[0064] Во второй реализации, энергонезависимый считываемый компьютером носитель сохраняет одну или более инструкций, выполняемых посредством компьютерной системы, чтобы выполнять операции, включающие в себя: идентификацию, посредством платформы рейтинга и рекомендаций по изделиям, данных рейтингов, включающих в себя соответствующие рейтинги числа изделий относительно числа пользователей; идентификацию, посредством платформы рейтинга и рекомендаций по изделиям, данных пользовательских признаков, включающих в себя число пользовательских признаков, способствующих соответствующим рейтингам числа изделий относительно числа пользователей; прием, из социальной сетевой платформы посредством платформы рейтинга и рекомендаций по изделиям через схему совместного использования секретов без доверенного инициализатора, некоторого числа манипулируемых данных социальных сетей, вычисленных на основе данных социальных сетей и первого числа случайных переменных, при этом данные социальных сетей указывают социальные отношения между любыми двумя из числа пользователей, при этом в схеме совместного использования секретов без доверенного инициализатора, социальная сетевая платформа совместно использует с платформой рейтинга и рекомендаций по изделиям некоторое число манипулируемых данных социальных сетей без раскрытия данных социальных сетей; и обновление, посредством платформы рейтинга и рекомендаций по изделиям, данных пользовательских признаков на основе данных рейтингов и некоторого числа манипулируемых данных социальных сетей.
[0065] В третьей реализации, реализуемая компьютером система включает в себя: один или более компьютеров; и одно или более компьютерных запоминающих устройств, функционально соединенных с одним или более компьютерами и имеющих материальные энергонезависимые считываемые компьютером носители, сохраняющие инструкции, которые, при выполнении посредством одного или более компьютеров, выполняют операции, включающие в себя: идентификацию, посредством платформы рейтинга и рекомендаций по изделиям, данных рейтингов, включающих в себя соответствующие рейтинги числа изделий относительно числа пользователей; идентификацию, посредством платформы рейтинга и рекомендаций по изделиям, данных пользовательских признаков, включающих в себя число пользовательских признаков, способствующих соответствующим рейтингам числа изделий относительно числа пользователей; прием, из социальной сетевой платформы посредством платформы рейтинга и рекомендаций по изделиям через схему совместного использования секретов без доверенного инициализатора, некоторого числа манипулируемых данных социальных сетей, вычисленных на основе данных социальных сетей и первого числа случайных переменных, при этом данные социальных сетей указывают социальные отношения между любыми двумя из числа пользователей, при этом в схеме совместного использования секретов без доверенного инициализатора, социальная сетевая платформа совместно использует с платформой рейтинга и рекомендаций по изделиям некоторое число манипулируемых данных социальных сетей без раскрытия данных социальных сетей; и обновление, посредством платформы рейтинга и рекомендаций по изделиям, данных пользовательских признаков на основе данных рейтингов и некоторого числа манипулируемых данных социальных сетей.
[0066] Вышеприведенные и другие описанные реализации, необязательно, могут включать в себя один или более следующих признаков:
[0067] Первый признак, комбинируемый с любым из следующих признаков, в котором в схеме совместного использования секретов без доверенного инициализатора, платформа рейтинга и рекомендаций по изделиям совместно использует с социальной сетевой платформой число манипулируемых данных пользовательских признаков без раскрытия данных пользовательских признаков, и при этом число манипулируемых данных пользовательских признаков вычисляется на основе данных пользовательских признаков и второго числа случайных переменных.
[0068] Второй признак, комбинируемый с любым из предыдущих или последующих признаков, в котором обновление данных пользовательских признаков включает в себя вычисление произведения данных пользовательских признаков и данных социальных сетей на основе суммы одних из числа манипулируемых данных пользовательских признаков и одних из числа манипулируемых данных социальных сетей.
[0069] Третий признак, комбинируемый с любым из предыдущих или последующих признаков, в котором вычисление произведения данных пользовательских признаков и данных социальных сетей посредством вычисления суммы одних из числа манипулируемых данных пользовательских признаков и одних из числа манипулируемых данных социальных сетей без данных социальных сетей включает в себя: для каждой записи в произведении данных пользовательских признаков и данных социальных сетей, вычисление одних из числа манипулируемых данных пользовательских признаков и одних из числа манипулируемых данных социальных сетей без данных социальных сетей.
[0070] Четвертый признак, комбинируемый с любым из предыдущих или последующих признаков, способом или операциями, дополнительно включает в себя: идентификацию данных признаков изделий, включающих в себя число признаков изделий, способствующих соответствующим рейтингам числа изделий относительно числа пользователей, при этом произведение данных пользовательских признаков и данных признаков изделий приводит к оценке данных рейтингов; и обновление данных признаков изделий на основе данных рейтингов, данных пользовательских признаков и некоторого числа манипулируемых данных социальных сетей.
[0071] Пятый признак, комбинируемый с любым из предыдущих или последующих признаков, способом или операциями, дополнительно включает в себя: формирование прогнозированных данных рейтингов числа изделий относительно числа пользователей на основе произведения данных пользовательских признаков и данных признаков изделий; и формирование рекомендации по конкретному изделию для конкретного потребителя на основе прогнозированных данных рейтингов.
[0072] Шестой признак, комбинируемый с любым из предыдущих или последующих признаков, в котором обновление данных пользовательских признаков включает в себя решение проблемы оптимизации, чтобы минимизировать взвешенную сумму разницы между прогнозированными данными рейтингов и данными рейтингов, данных пользовательских признаков, взвешенных посредством данных социальных сетей, и члена для предотвращения переобучения.
[0073] Седьмой признак, комбинируемый с любым из предыдущих или последующих признаков, в котором решение проблемы оптимизации включает в себя решение уравнения:
Figure 00000028
,
- при этом: Ui представляет вектор данных пользовательских признаков, соответствующих пользователю i; Vj представляет вектор данных признаков изделий, соответствующих изделию j; Rij представляет рейтинг изделия j пользователем i; Sik представляет социальное отношение между пользователем i и пользователем k;
Figure 00000004
представляет предварительно заданный весовой коэффициент, ассоциированный с данными социальных сетей; и
Figure 00000005
представляет предварительно заданный весовой коэффициент для того, чтобы предотвращать переобучение.
[0074] Восьмой признак, комбинируемый с любым из предыдущих или последующих признаков, способом или операциями, дополнительно включает в себя: в схеме совместного использования секретов без доверенного инициализатора, получение, посредством платформы рейтинга и рекомендаций по изделиям, вектора данных пользовательских признаков; формирование, посредством платформы рейтинга и рекомендаций по изделиям, первых манипулируемых данных пользовательских признаков на основе вектора данных пользовательских признаков и второго числа случайных переменных; передачу, посредством платформы рейтинга и рекомендаций по изделиям в социальную сетевую платформу, первых манипулируемых данных пользовательских признаков; прием, посредством платформы рейтинга и рекомендаций по изделиям из социальной сетевой платформы, первых манипулируемых данных социальных сетей, вычисленных на основе данных социальных сетей и первого числа случайных переменных; и формирование, посредством платформы рейтинга и рекомендаций по изделиям, одних из манипулируемых данных пользовательских признаков на основе двух или более из первых манипулируемых данных пользовательских признаков, первых манипулируемых данных социальных сетей или второго числа случайных переменных.
[0075] Реализации предмета изобретения и функциональных операций, описанных в этом подробном описании, могут реализовываться в цифровой электронной схеме, в материально осуществленном компьютерном программном обеспечении или микропрограммном обеспечении, в компьютерных аппаратных средствах, включающих в себя структуры, раскрытые в этом подробном описании, и их структурные эквиваленты, либо в комбинациях одного или более из означенного. Программные реализации описанного предмета изобретения могут реализовываться как одна или более компьютерных программ, т.е. один или более модулей компьютерных программных инструкций, кодированных на материальном, энергонезависимом, считываемом компьютером компьютерном носителе хранения данных для выполнения посредством или управления работой оборудования обработки данных. Альтернативно или дополнительно, программные инструкции могут кодироваться в/на искусственно сформированном распространяемом сигнале, например, формируемом компьютером электрическом, оптическом или электромагнитном сигнале, который формируется с возможностью кодировать информацию для передачи в подходящее приемное устройство для выполнения посредством оборудования обработки данных. Компьютерный носитель хранения данных может представлять собой считываемое компьютером устройство хранения данных, считываемую компьютером плату хранения данных, запоминающее устройство с произвольным или последовательным доступом либо комбинацию компьютерных носителей хранения данных. Конфигурирование одного или более компьютеров означает то, что один или более компьютеров имеют установленные аппаратные средства, микропрограммное обеспечение или программное обеспечение (либо комбинации аппаратных средств, микропрограммного обеспечения и программного обеспечения) таким образом, что когда программное обеспечение выполняется посредством одного или более компьютеров, конкретные вычислительные операции выполняются.
[0076] Термин "реальное время (real-time)", "реальное время (real time)", "реальное время (realtime)", "реальное (быстрое) время (RFT)", "практически реальное время (NRT)", "квазиреальное время" или подобные термины (как должны понимать специалисты в данной области техники) означает то, что действие и ответ являются близкими по времени таким образом, что человек воспринимает действие и ответ как возникающие практически одновременно. Например, разность времен для ответа на отображение (или для инициирования отображения) данных после действия человека, чтобы осуществлять доступ к данным, может составлять менее 1 мс, менее 1 с или менее 5 с. В то время, когда запрашиваемые данные не должны отображаться (или инициироваться для отображения) мгновенно, оно отображаются (или инициируются для отображения) без намеренной задержки, с учетом ограничений обработки описанной вычислительной системы и времени, требуемого, например, для того, чтобы собирать, точно измерять, анализировать, обрабатывать, сохранять или передавать данные.
[0077] Термины "оборудование обработки данных", "компьютер", или "устройство электронного компьютера" (либо эквиваленты, как должны понимать специалисты в данной области техники) означают аппаратные средства обработки данных и охватывают все виды оборудования, устройств и машин для обработки данных, включающие в себя, в качестве примера, программируемый процессор, компьютер либо несколько процессоров или компьютеров. Оборудование также может представлять собой или дополнительно включать в себя логическую схему специального назначения, например, центральный процессор (CPU), FPGA (программируемую пользователем вентильную матрицу) или ASIC (специализированную интегральную схему). В некоторых реализациях, оборудование обработки данных или логическая схема специального назначения (либо комбинация оборудования обработки данных или логической схемы специального назначения) могут быть на основе аппаратных средств или программного обеспечения (либо представлять собой комбинацию на основе аппаратных средств или программного обеспечения). Оборудование необязательно может включать в себя код, который создает окружение выполнения для компьютерных программ, например, код, который составляет микропрограммное обеспечение процессора, стек протоколов, систему управления базами данных, операционную систему либо комбинацию окружений выполнения. Настоящее раскрытие предполагает использование оборудования обработки данных с/без традиционных операционных систем, например, Linux, Unix, Windows, Android Mac OS, iOS или любой другой подходящей традиционной операционной системы.
[0078] Компьютерная программа, которая также может упоминаться или описываться в качестве программы, программного обеспечения, приложения, модуля, программного модуля, сценария или кода, может быть написана на любой форме языка программирования, включающей в себя компилируемые или интерпретируемые языки либо декларативные или процедурные языки, и она может развертываться в любой форме, в том числе в качестве автономной программы или в качестве модуля, компонента, вложенной процедуры или другого блока, подходящего для использования в вычислительном окружении. Компьютерная программа может, но обязательно, может соответствовать файлу в файловой системе. Программа может сохраняться в части файла, который хранит другие программы или данные, например, один или более сценариев, сохраненных в документе на языке разметки, в одном файле, выделенном для рассматриваемой программы, либо в нескольких координированных файлах, например, в файлах, которые сохраняют один или более модулей, подпрограмм или частей кода. Компьютерная программа может развертываться с возможностью выполняться на одном компьютере или на нескольких компьютерах, которые расположены на одном веб-узле или распределены по нескольким веб-узлам и взаимно соединяются посредством сети связи.
[0079] Хотя части программ, проиллюстрированных в различных чертежах, показаны как отдельные модули, которые реализуют различные признаки и функциональность через различные объекты, способы или другие процессы, вместо этого программы могут включать в себя определенное число субмодулей, сторонних услуг, компонентов, библиотек и т.п., надлежащим образом. С другой стороны, признаки и функциональность различных компонентов могут комбинироваться в один компонент, надлежащим образом. Пороговые значения, используемые для того, чтобы выполнять вычислительные определения, могут статически, динамически либо статически и динамически определяться.
[0080] Способы, процессы или логические последовательности операций, описанные в этом подробном описании, могут выполняться посредством одного или более программируемых компьютеров, выполняющих одну или более компьютерных программ, чтобы выполнять функции посредством обработки входных данных и формирования вывода. Способы, процессы или логические последовательности операций также могут выполняться посредством, а оборудование также может реализовываться как логическая схема специального назначения, например, CPU, FPGA или ASIC.
[0081] Компьютеры, подходящие для выполнения компьютерной программы, могут быть основаны на микропроцессорах общего или специального назначения, на том и на другом либо на любом другом виде CPU. Обычно, CPU должен принимать инструкции и данные и записывать из/в запоминающее устройство. Существенные элементы компьютера представляют собой CPU для выполнения или исполнения инструкций и одно или более запоминающих устройств для сохранения инструкций и данных. Обычно, компьютер также должен включать в себя или функционально соединяться с возможностью принимать данные или передавать данные либо выполнять и то, и другое из/в одно или более устройств хранения данных большой емкости для сохранения данных, например, магнитных, магнитооптических дисков или оптических дисков. Тем не менее, компьютер не должен обязательно иметь таких устройств. Кроме того, компьютер может встраиваться в другое устройство, например, в мобильный телефон, персональное цифровое устройство (PDA), мобильный аудио- или видеопроигрыватель, игровую приставку, приемное устройство на основе глобальной системы позиционирования (GPS) или портативное устройство хранения данных, например, флэш-накопитель по стандарту универсальной последовательной шины (USB), помимо прочего.
[0082] Считываемые компьютером носители (энергозависимые или энергонезависимые, надлежащим образом), подходящие для сохранения компьютерных программных инструкций и данных, включают в себя все формы долговременных/недолговременных либо энергозависимых/энергонезависимых запоминающих устройств, носителей и запоминающих накопительных устройств, включающих в себя, в качестве примера, полупроводниковые запоминающие устройства, например, оперативное запоминающее устройство (RAM), постоянное запоминающее устройство (ROM), запоминающее устройство на фазовых переходах (PRAM), статическое оперативное запоминающее устройство (SRAM), динамическое оперативное запоминающее устройство (DRAM), стираемое программируемое постоянное запоминающее устройство (EPROM), электрически стираемое программируемое постоянное запоминающее устройство (EEPROM) и устройства флэш-памяти; магнитные устройства, например, ленту, картриджи, кассеты, внутренние/съемные диски; магнитооптические диски; и оптические запоминающие устройства, например, цифровой видеодиск (DVD), CD-ROM, DVD+/-R, DVD-RAM, DVD-ROM, HD-DVD и Blu-ray и другие технологии на базе оптических запоминающих устройств. Запоминающее устройство может сохранять различные объекты или данные, включающие в себя кэши, классы, инфраструктуры, приложения, модули, резервные данные, задания, веб-страницы, шаблоны веб-страниц, структуры данных, таблицы базы данных, репозитории, сохраняющие динамическую информацию и любую другую соответствующую информацию, включающую в себя любые параметры, переменные, алгоритмы, инструкции, правила, ограничения либо ссылки на них. Дополнительно, запоминающее устройство может включать любые другие соответствующие данные, такие как журналы регистрации, политики, данные по безопасности или по доступу, файлы с отчетами, а также другие данные. Процессор и запоминающее устройство могут дополняться посредством или включаться в логическую схему специального назначения.
[0083] Чтобы предоставлять взаимодействие с пользователем, реализации предмета изобретения, описанного в этом подробном описании, могут реализовываться на компьютере, имеющем устройство отображения, например, монитор на CRT (электронно-лучевой трубке), ЖК-дисплей (жидкокристаллический дисплей), монитор на светодиодах (светоизлучающих диодах) или плазменный монитор, для отображения информации пользователю, а также клавиатуру и указательное устройство, например, мышь, шаровой манипулятор или сенсорную панель, посредством которых пользователь может предоставлять ввод в компьютер. Ввод также может предоставляться в компьютер с использованием сенсорного экрана, к примеру, поверхности планшетного компьютера с чувствительностью к давлению, мультисенсорного экрана с использованием емкостного или электрического опознавания либо другого типа сенсорного экрана. Другие виды устройств также могут использоваться для того, чтобы предоставлять взаимодействие с пользователем; например, обратная связь, предоставленная пользователю, может представлять собой любую форму сенсорной обратной связи, например, визуальную обратную связь, акустическую обратную связь или тактильную обратную связь; и ввод от пользователя может приниматься в любой форме, включающей в себя акустический, речевой или тактильный ввод. Помимо этого, компьютер может взаимодействовать с пользователем посредством отправки документов и приема документов из устройства, которое используется пользователем; например, посредством отправки веб-страниц в веб-браузер на клиентском устройстве пользователя в ответ на запросы, принимаемые из веб-браузера.
[0084] Термин "графический пользовательский интерфейс", или "GUI", может использоваться в единственном или множественном числе для того, чтобы описывать один или более графических пользовательских интерфейсов и каждый из экранов конкретного графического пользовательского интерфейса. Следовательно, GUI может представлять любой графический пользовательский интерфейс, в том числе, но не только, веб-браузер, сенсорный экран или интерфейс командной строки (CLI), который обрабатывает информацию и эффективно представляет информационные результаты пользователю. В общем, GUI может включать в себя определенное число элементов пользовательского интерфейса (UI), часть или все из которых ассоциированы с веб-браузером, к примеру, интерактивные поля, раскрывающиеся списки и кнопки. Эти и другие UI-элементы могут быть связаны или представлять функции веб-браузера.
[0085] Реализации предмета изобретения, описанного в этом подробном описании, могут реализовываться в вычислительной системе, которая включает в себя внутренний интерфейсный компонент, например, в качестве сервера данных, либо которая включает в себя промежуточный программный компонент, например, сервер приложений, либо которая включает в себя внешний интерфейсный компонент, например, клиентский компьютер, имеющий графический пользовательский интерфейс или веб-браузер, через который пользователь может взаимодействовать с реализацией предмета изобретения, описанного в этом подробном описании, либо любую комбинацию одного или более таких внутренних интерфейсных, промежуточных программных или внешних интерфейсных компонентов. Компоненты системы могут взаимно соединяться посредством любой формы или среды проводной или беспроводной цифровой передачи данных (либо комбинации передачи данных), например, посредством сети связи. Примеры сетей связи включают в себя локальную вычислительную сеть (LAN), сеть радиодоступа (RAN), общегородскую вычислительную сеть (MAN), глобальную вычислительную сеть (WAN), сеть по стандарту общемировой совместимости широкополосного беспроводного доступа (WiMax), беспроводную локальную вычислительную сеть (WLAN) с использованием, например, 802.11 a/b/g/n или 802.20 (либо комбинации 802.11x и 802.20 или других протоколов в соответствии с этим раскрытием), весь или часть Интернета или любой другой системы или систем связи в одном или более местоположений (либо комбинацию сетей связи). Сеть может передавать, например, с помощью пакетов по Интернет-протоколу (IP), кадров по протоколу ретрансляции кадров, ячеек по протоколу на основе режима асинхронной передачи (ATM), голос, видео, данные или другую подходящую информацию (либо комбинацию типов связи) между сетевыми адресами.
[0086] Вычислительная система может включать в себя клиенты и серверы. Клиент и сервер, в общем, являются удаленными друг от друга и типично взаимодействуют через сеть связи. Взаимосвязь клиента и сервера осуществляется на основе компьютерных программ, работающих на соответствующих компьютерах и имеющих клиент-серверную взаимосвязь друг с другом.
[0087] Хотя это описание изобретения содержит множество конкретных сведений по реализации, они не должны истолковываться в качестве ограничений на объем изобретения либо на объем того, что может заявляться в качестве формулы изобретения, а вместо этого должны истолковываться в качестве описаний признаков, которые могут быть конкретными для конкретных реализаций конкретных изобретений. Определенные признаки, которые описываются в этом подробном описании в контексте отдельных реализаций, также могут реализовываться, в комбинации, в одной реализации. С другой стороны, различные признаки, которые описываются в контексте одной реализации, также могут реализовываться в нескольких реализациях, отдельно или в любой подходящей субкомбинации. Кроме того, хотя вышеописанные признаки могут описываться как действие в определенных комбинациях и даже первоначально заявляться в формуле изобретения как действия, один или более признаков из заявленной комбинации, в некоторых случаях, могут исключаться из комбинации, и заявленная комбинация может быть направлена на субкомбинацию или варьирование субкомбинации.
[0088] Выше описываются конкретные реализации предмета изобретения. Другие реализации, поправки и перестановки описанных реализаций находятся в пределах объема прилагаемой формулы изобретения, как должно быть очевидным для специалистов в данной области техники. Хотя операции проиллюстрированы на чертежах или в формуле изобретения в конкретном порядке, это не следует понимать как требующее того, что такие операции должны выполняться в конкретном показанном порядке или в последовательном порядке, либо того, что все проиллюстрированные операции должны выполняться (некоторые операции могут считаться необязательными) для того, чтобы достигать требуемых результатов. При определенных обстоятельствах, многозадачность или параллельная обработка (либо комбинация многозадачности и параллельной обработки) может быть преимущественной и выполняться по мере необходимости.
[0089] Кроме того, разделение или интеграция различных системных модулей и компонентов в вышеописанных реализациях не должны пониматься как требующее такого разделения или интеграции во всех реализациях, и следует понимать, что описанные программные компоненты и системы, в общем, могут интегрироваться вместе в одном программном элементе или пакетироваться в несколько программных элементов.
[0090] Соответственно, вышеописанные примерные реализации не задают или ограничивают это раскрытие. Другие изменения, замены и поправки также являются возможными без отступления от сущности и объема этого раскрытия.
[0091] Кроме того, любая заявленная реализация считается применимой, по меньшей мере, к реализуемому компьютером способу; энергонезависимому считываемому компьютером носителю, храняющему считываемые компьютером инструкции для того, чтобы осуществлять реализуемый компьютером способ; и компьютерной системе, включающей в себя компьютерное запоминающее устройство, функционально соединенное с аппаратным процессором, выполненным с возможностью осуществлять реализуемый компьютером способ или инструкции, сохраненные на энергонезависимом считываемом компьютером носителе.

Claims (77)

1. Реализуемый компьютером способ обновления данных пользовательских признаков, содержащий этапы, на которых:
- идентифицируют, посредством платформы рейтинга и рекомендаций по изделиям, данные рейтингов, содержащие соответствующие рейтинги множества изделий от множества пользователей;
- идентифицируют, посредством платформы рейтинга и рекомендаций по изделиям, данные пользовательских признаков, содержащие множество пользовательских признаков, оказывающих влияние на соответствующие рейтинги множества изделий от множества пользователей;
- принимают, из социальной сетевой платформы посредством платформы рейтинга и рекомендаций по изделиям через схему совместного использования секретов без доверенного инициализатора, множество манипулированных данных социальных сетей, вычисленных на основе данных социальных сетей и первого числа случайных переменных, при этом данные социальных сетей указывают социальные отношения между любыми двумя из множества пользователей, при этом в схеме совместного использования секретов без доверенного инициализатора социальная сетевая платформа совместно использует с платформой рейтинга и рекомендаций по изделиям множество манипулированных данных социальных сетей без раскрытия данных социальных сетей; и
- обновляют, посредством платформы рейтинга и рекомендаций по изделиям, данные пользовательских признаков на основе данных рейтингов и множества манипулированных данных социальных сетей.
2. Реализуемый компьютером способ по п. 1, в котором в схеме совместного использования секретов без доверенного инициализатора платформа рейтинга и рекомендаций по изделиям совместно использует с социальной сетевой платформой множество манипулированных данных пользовательских признаков без раскрытия данных пользовательских признаков, при этом множество манипулированных данных пользовательских признаков вычисляется на основе данных пользовательских признаков и второго множества случайных переменных.
3. Реализуемый компьютером способ по п. 2, дополнительно содержащий, в схеме совместного использования секретов без доверенного инициализатора, этапы, на которых:
- получают, посредством платформы рейтинга и рекомендаций по изделиям, вектор данных пользовательских признаков;
- формируют, посредством платформы рейтинга и рекомендаций по изделиям, первые манипулированные данные пользовательских признаков на основе вектора данных пользовательских признаков и второго числа случайных переменных;
- передают, посредством платформы рейтинга и рекомендаций по изделиям в социальную сетевую платформу, первые манипулированные данные пользовательских признаков;
- принимают, посредством платформы рейтинга и рекомендаций по изделиям из социальной сетевой платформы, первые манипулированные данные социальных сетей, вычисленные на основе данных социальных сетей и первого числа случайных переменных; и
- формируют, посредством платформы рейтинга и рекомендаций по изделиям, одни из манипулированных данных пользовательских признаков на основе двух или более из первых манипулированных данных пользовательских признаков, первых манипулированных данных социальных сетей или второго числа случайных переменных.
4. Реализуемый компьютером способ по п. 2, в котором обновление данных пользовательских признаков содержит этап, на котором вычисляют произведение данных пользовательских признаков и данных социальных сетей на основе суммы одних из множества манипулированных данных пользовательских признаков и одних из множества манипулированных данных социальных сетей.
5. Реализуемый компьютером способ по п. 3, в котором вычисление произведения данных пользовательских признаков и данных социальных сетей посредством вычисления суммы одних из множества манипулированных данных пользовательских признаков и одних из множества манипулированных данных социальных сетей без данных социальных сетей содержит этап, на котором, для каждой записи в произведении данных пользовательских признаков и данных социальных сетей, вычисляют одни из множества манипулированных данных пользовательских признаков и одни из множества манипулированных данных социальных сетей без данных социальных сетей.
6. Реализуемый компьютером способ по п. 1, дополнительно содержащий этапы, на которых:
- идентифицируют данные признаков изделий, содержащие множество признаков изделий, оказывающих влияние на соответствующие рейтинги множества изделий от множества пользователей, при этом произведение данных пользовательских признаков и данных признаков изделий дает в результате оценку данных рейтингов; и
- обновляют данные признаков изделий на основе данных рейтингов, данных пользовательских признаков и множества манипулированных данных социальных сетей.
7. Реализуемый компьютером способ по п. 5, дополнительно содержащий этапы, на которых:
- формируют прогнозированные данные рейтингов множества изделий от множества пользователей на основе произведения данных пользовательских признаков и данных признаков изделий; и
- формируют рекомендацию по конкретному изделию для конкретного клиента на основе прогнозированных данных рейтингов.
8. Реализуемый компьютером способ по п. 6, в котором обновление данных пользовательских признаков содержит этап, на котором решают проблему оптимизации, чтобы минимизировать взвешенную сумму разницы между прогнозированными данными рейтингов и данными рейтингов, данных пользовательских признаков, взвешенных посредством данных социальных сетей, и члена для предотвращения переобучения.
9. Реализуемый компьютером способ по п. 7, в котором решение проблемы оптимизации содержит этап, на котором решают уравнение:
Figure 00000029
,
при этом:
Ui представляет вектор данных пользовательских признаков, соответствующих пользователю i;
Vj представляет вектор данных признаков изделий, соответствующих изделию j;
Rij представляет рейтинг изделия j пользователем i;
Sik представляет социальное отношение между пользователем i и пользователем k;
Figure 00000030
представляет предварительно заданный весовой коэффициент, ассоциированный с данными социальных сетей; и
Figure 00000031
представляет предварительно заданный весовой коэффициент для того, чтобы предотвращать переобучение.
10. Энергонезависимый считываемый компьютером носитель, хранящий одну или несколько инструкций, выполняемых посредством компьютерной системы, чтобы выполнять операции, содержащие:
- идентификацию, посредством платформы рейтинга и рекомендаций по изделиям, данных рейтингов, содержащих соответствующие рейтинги множества изделий от множества пользователей;
- идентификацию, посредством платформы рейтинга и рекомендаций по изделиям, данных пользовательских признаков, содержащих множество пользовательских признаков, оказывающих влияние на соответствующие рейтинги множества изделий от множества пользователей;
- прием, из социальной сетевой платформы посредством платформы рейтинга и рекомендаций по изделиям через схему совместного использования секретов без доверенного инициализатора, множества манипулированных данных социальных сетей, вычисленных на основе данных социальных сетей и первого числа случайных переменных, при этом данные социальных сетей указывают социальные отношения между любыми двумя из множества пользователей, при этом в схеме совместного использования секретов без доверенного инициализатора социальная сетевая платформа совместно использует с платформой рейтинга и рекомендаций по изделиям множество манипулированных данных социальных сетей без раскрытия данных социальных сетей; и
- обновление, посредством платформы рейтинга и рекомендаций по изделиям, данных пользовательских признаков на основе данных рейтингов и множества манипулированных данных социальных сетей.
11. Энергонезависимый считываемый компьютером носитель по п. 10,
в котором, в схеме совместного использования секретов без доверенного инициализатора, платформа рейтинга и рекомендаций по изделиям совместно использует с социальной сетевой платформой множество манипулированных данных пользовательских признаков без раскрытия данных пользовательских признаков,
при этом множество манипулированных данных пользовательских признаков вычисляются на основе данных пользовательских признаков и второго множества случайных переменных; и
при этом обновление данных пользовательских признаков содержит вычисление произведения данных пользовательских признаков и данных социальных сетей на основе суммы одних из множества манипулированных данных пользовательских признаков и одних из множества манипулированных данных социальных сетей.
12. Энергонезависимый считываемый компьютером носитель по п. 11, в котором операции дополнительно содержат в схеме совместного использования секретов без доверенного инициализатора:
- получение, посредством платформы рейтинга и рекомендаций по изделиям, вектора данных пользовательских признаков;
- формирование, посредством платформы рейтинга и рекомендаций по изделиям, первых манипулированных данных пользовательских признаков на основе вектора данных пользовательских признаков и второго числа случайных переменных;
- передачу, посредством платформы рейтинга и рекомендаций по изделиям в социальную сетевую платформу, первых манипулированных данных пользовательских признаков;
- прием, посредством платформы рейтинга и рекомендаций по изделиям из социальной сетевой платформы, первых манипулированных данных социальных сетей, вычисленных на основе данных социальных сетей и первого числа случайных переменных; и
- формирование, посредством платформы рейтинга и рекомендаций по изделиям, одних из манипулированных данных пользовательских признаков на основе двух или более из первых манипулированных данных пользовательских признаков, первых манипулированных данных социальных сетей или второго числа случайных переменных.
13. Энергонезависимый считываемый компьютером носитель по п. 11, в котором вычисление произведения данных пользовательских признаков и данных социальных сетей посредством вычисления суммы одних из множества манипулированных данных пользовательских признаков и одних из множества манипулированных данных социальных сетей без данных социальных сетей содержит, для каждой записи в произведении данных пользовательских признаков и данных социальных сетей, вычисление одних из множества манипулированных данных пользовательских признаков и одних из множества манипулированных данных социальных сетей без данных социальных сетей.
14. Энергонезависимый считываемый компьютером носитель по п. 10, в котором операции дополнительно содержат:
- идентификацию данных признаков изделий, содержащих множество признаков изделий, оказывающих влияние на соответствующие рейтинги множества изделий от множества пользователей, при этом произведение данных пользовательских признаков и данных признаков изделий дает в результате оценку данных рейтингов; и
- обновление данных признаков изделий на основе данных рейтингов, данных пользовательских признаков и множества манипулированных данных социальных сетей.
15. Реализуемая компьютером система обновления данных пользовательских признаков, содержащая
один или несколько компьютеров и
одно или несколько компьютерных запоминающих устройств, функционально соединенных с одним или несколькими компьютерами и имеющих материальные энергонезависимые считываемые компьютером носители, хранящие инструкции, которые, при выполнении посредством одного или нескольких компьютеров, выполняют операции, содержащие:
- идентификацию, посредством платформы рейтинга и рекомендаций по изделиям, данных рейтингов, содержащих соответствующие рейтинги множества изделий от множества пользователей;
- идентификацию, посредством платформы рейтинга и рекомендаций по изделиям, данных пользовательских признаков, содержащих множество пользовательских признаков, оказывающих влияние на соответствующие рейтинги множества изделий от множества пользователей;
- прием, из социальной сетевой платформы посредством платформы рейтинга и рекомендаций по изделиям через схему совместного использования секретов без доверенного инициализатора, множества манипулированных данных социальных сетей, вычисленных на основе данных социальных сетей и первого числа случайных переменных, при этом данные социальных сетей указывают социальные отношения между любыми двумя из множества пользователей, при этом в схеме совместного использования секретов без доверенного инициализатора социальная сетевая платформа совместно использует с платформой рейтинга и рекомендаций по изделиям множество манипулированных данных социальных сетей без раскрытия данных социальных сетей; и
- обновление, посредством платформы рейтинга и рекомендаций по изделиям, данных пользовательских признаков на основе данных рейтингов и множества манипулированных данных социальных сетей.
16. Реализуемая компьютером система по п. 15,
в которой, в схеме совместного использования секретов без доверенного инициализатора, платформа рейтинга и рекомендаций по изделиям совместно использует с социальной сетевой платформой множество манипулированных данных пользовательских признаков без раскрытия данных пользовательских признаков,
при этом множество манипулированных данных пользовательских признаков вычисляются на основе данных пользовательских признаков и второго множества случайных переменных; и
при этом обновление данных пользовательских признаков содержит вычисление произведения данных пользовательских признаков и данных социальных сетей на основе суммы одних из множества манипулированных данных пользовательских признаков и одних из множества манипулированных данных социальных сетей.
17. Реализуемая компьютером система по п. 16, в которой вычисление произведения данных пользовательских признаков и данных социальных сетей посредством вычисления суммы одних из множества манипулированных данных пользовательских признаков и одних из множества манипулированных данных социальных сетей без данных социальных сетей содержит, для каждой записи в произведении данных пользовательских признаков и данных социальных сетей, вычисление одних из множества манипулированных данных пользовательских признаков и одних из множества манипулированных данных социальных сетей без данных социальных сетей.
18. Реализуемая компьютером система по п. 15, в которой операции дополнительно содержат:
- идентификацию данных признаков изделий, содержащих множество признаков изделий, оказывающих влияние на соответствующие рейтинги множества изделий от множества пользователей, при этом произведение данных пользовательских признаков и данных признаков изделий дает в результате оценку данных рейтингов; и
- обновление данных признаков изделий на основе данных рейтингов, данных пользовательских признаков и множества манипулированных данных социальных сетей.
19. Реализуемая компьютером система по п. 18, в которой операции дополнительно содержат:
- формирование прогнозированных данных рейтингов множества изделий от множества пользователей на основе произведения данных пользовательских признаков и данных признаков изделий;
- формирование рекомендации по конкретному изделию для конкретного клиента на основе прогнозированных данных рейтингов; и
при этом обновление данных пользовательских признаков содержит решение проблемы оптимизации, чтобы минимизировать взвешенную сумму разности между прогнозированными данными рейтингов и данными рейтингов, данных пользовательских признаков, взвешенных посредством данных социальных сетей, и члена для предотвращения переобучения.
20. Реализуемая компьютером система по п. 19, в которой решение проблемы оптимизации содержит решение уравнения
Figure 00000032
,
при этом:
Ui представляет вектор данных пользовательских признаков, соответствующих пользователю i;
Vj представляет вектор данных признаков изделий, соответствующих изделию j;
Rij представляет рейтинг изделия j пользователем i;
Sik представляет социальное отношение между пользователем i и пользователем k;
Figure 00000033
представляет предварительно заданный весовой коэффициент, ассоциированный с данными социальных сетей; и
Figure 00000034
представляет предварительно заданный весовой коэффициент для того, чтобы предотвращать переобучение.
RU2019111935A 2018-10-17 2018-10-17 Совместное использование секретов без доверенного инициализатора RU2728522C1 (ru)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2018/110688 WO2020077573A1 (en) 2018-10-17 2018-10-17 Secret sharing with no trusted initializer

Publications (1)

Publication Number Publication Date
RU2728522C1 true RU2728522C1 (ru) 2020-07-30

Family

ID=66850327

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2019111935A RU2728522C1 (ru) 2018-10-17 2018-10-17 Совместное использование секретов без доверенного инициализатора

Country Status (16)

Country Link
US (2) US10789377B2 (ru)
EP (2) EP3665583A4 (ru)
JP (1) JP6803980B1 (ru)
KR (1) KR102150816B1 (ru)
CN (2) CN110366722A (ru)
AU (2) AU2018353923B2 (ru)
BR (1) BR112019008135B1 (ru)
CA (2) CA3040669A1 (ru)
ES (1) ES2836207T3 (ru)
MX (1) MX2019004664A (ru)
PH (1) PH12019500891A1 (ru)
PL (1) PL3659292T3 (ru)
RU (1) RU2728522C1 (ru)
SG (2) SG11201903587TA (ru)
WO (2) WO2020077573A1 (ru)
ZA (1) ZA201902550B (ru)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110366722A (zh) 2018-10-17 2019-10-22 阿里巴巴集团控股有限公司 不利用可信初始化器的秘密共享
CN111030811B (zh) * 2019-12-13 2022-04-22 支付宝(杭州)信息技术有限公司 一种数据处理的方法
CN111176582A (zh) * 2019-12-31 2020-05-19 北京百度网讯科技有限公司 矩阵存储方法、矩阵访问方法、装置和电子设备
CN111461858B (zh) * 2020-03-10 2023-02-17 支付宝(杭州)信息技术有限公司 基于隐私保护的连乘计算方法、装置、系统和电子设备
CN111428276B (zh) * 2020-03-19 2022-08-02 腾讯科技（深圳）有限公司 一种数据处理的方法、装置、设备和介质
CN111162896B (zh) * 2020-04-01 2020-06-26 支付宝(杭州)信息技术有限公司 双方联合进行数据处理的方法及装置
CN111506922B (zh) * 2020-04-17 2023-03-10 支付宝(杭州)信息技术有限公司 多方联合对隐私数据进行显著性检验的方法和装置
CN111241570B (zh) * 2020-04-24 2020-07-17 支付宝(杭州)信息技术有限公司 保护数据隐私的双方联合训练业务预测模型的方法和装置
CN111291417B (zh) * 2020-05-09 2020-08-28 支付宝(杭州)信息技术有限公司 保护数据隐私的多方联合训练对象推荐模型的方法及装置
CN112163227B (zh) * 2020-09-02 2022-04-29 湖北工业大学 一种电商平台卖家用户销售额多维统计分析系统及方法
CN112231561B (zh) * 2020-10-14 2024-06-07 深圳前海微众银行股份有限公司 数据处理方法、装置、设备及存储介质
US11379743B2 (en) * 2020-11-02 2022-07-05 Sas Institute Inc. Recommendation system
US11544767B2 (en) * 2020-11-02 2023-01-03 Sas Institute Inc. Recommendation system with implicit feedback
CN112311546B (zh) * 2020-12-25 2021-04-09 鹏城实验室 数据保密判定方法、装置、设备及计算机可读存储介质
CN112560106B (zh) * 2021-02-20 2021-05-18 支付宝(杭州)信息技术有限公司 针对隐私矩阵进行处理的方法、装置和系统
CN113949510A (zh) * 2021-10-15 2022-01-18 支付宝(杭州)信息技术有限公司 一种隐私保护的多方安全计算方法和系统
JP2024081261A (ja) 2022-12-06 2024-06-18 富士通株式会社 プログラム、算出方法および情報処理装置
CN116383848B (zh) * 2023-04-04 2023-11-28 北京航空航天大学 一种三方安全计算防作恶方法、设备及介质
US11743524B1 (en) 2023-04-12 2023-08-29 Recentive Analytics, Inc. Artificial intelligence techniques for projecting viewership using partial prior data sources

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140013353A1 (en) * 2009-05-08 2014-01-09 Comcast Interactive Media, Llc Social Network Based Recommendation Method and System
US20140258309A1 (en) * 2013-03-08 2014-09-11 Warren Young Systems and methods for providing a review platform
US20160179950A1 (en) * 2014-12-22 2016-06-23 Rovi Guides, Inc. Systems and methods for filtering techniques using metadata and usage data analysis
RU2589320C2 (ru) * 2011-07-22 2016-07-10 Функе Диджитал Тв Гайд Гмбх Автоматическое определение характерной для жанра релевантности рекомендаций в социальной сети

Family Cites Families (57)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7788123B1 (en) * 2000-06-23 2010-08-31 Ekhaus Michael A Method and system for high performance model-based personalization
US20040133574A1 (en) * 2003-01-07 2004-07-08 Science Applications International Corporaton Vector space method for secure information sharing
WO2005043808A1 (en) * 2003-11-03 2005-05-12 Koninklijke Philips Electronics N.V. Method and device for efficient multiparty multiplication
US20090197681A1 (en) 2008-01-31 2009-08-06 Microsoft Corporation System and method for targeted recommendations using social gaming networks
US8407286B2 (en) * 2008-05-15 2013-03-26 Yahoo! Inc. Method and apparatus for utilizing social network information for showing reviews
US8068426B2 (en) * 2008-05-29 2011-11-29 Massachusetts Institute Of Technology Feedback-based online network coding
US20100076850A1 (en) * 2008-09-22 2010-03-25 Rajesh Parekh Targeting Ads by Effectively Combining Behavioral Targeting and Social Networking
US8364713B2 (en) * 2009-01-20 2013-01-29 Titanium Fire Ltd. Personal data manager systems and methods
US9460092B2 (en) * 2009-06-16 2016-10-04 Rovi Technologies Corporation Media asset recommendation service
US20110060738A1 (en) * 2009-09-08 2011-03-10 Apple Inc. Media item clustering based on similarity data
EP2507758A4 (en) * 2009-12-04 2013-11-27 Ericsson Telefon Ab L M SYSTEM AND METHOD FOR DATA PROTECTION OF USER INFORMATION IN A RECOMMENDATION SYSTEM
US20110246500A1 (en) * 2010-03-30 2011-10-06 Praphul Chandra Storing and querying of user feedback in a personal repository accessible to a personal computing device
US8812591B2 (en) * 2011-06-15 2014-08-19 Facebook, Inc. Social networking system data exchange
US9536268B2 (en) 2011-07-26 2017-01-03 F. David Serena Social network graph inference and aggregation with portability, protected shared content, and application programs spanning multiple social networks
US20130054481A1 (en) * 2011-08-23 2013-02-28 Infosys Limited System and method for sharing, analyzing and consolidating medical data in a social network
US20130097056A1 (en) * 2011-10-13 2013-04-18 Xerox Corporation Methods and systems for recommending services based on an electronic social media trust model
EP2590126A1 (en) * 2011-11-01 2013-05-08 Nederlandse Organisatie voor toegepast -natuurwetenschappelijk onderzoek TNO Recommender system for providing recommendations to groups of users
EP2795988A4 (en) 2011-12-19 2015-10-14 Intel Corp BY INTELLIGENT DEVICES SUPPORTED TRADE
US9043250B2 (en) * 2012-01-10 2015-05-26 Telcordia Technologies, Inc. Privacy-preserving aggregated data mining
US10311403B2 (en) 2012-06-04 2019-06-04 Apple Inc. Providing feedback via a social network from a media distribution platform
WO2013191931A1 (en) * 2012-06-21 2013-12-27 Thomson Licensing Method and apparatus for inferring user demographics
WO2014023432A1 (en) * 2012-08-09 2014-02-13 Livestudies Srl Apparatus and method for a collaborative environment using distributed touch sensitive surfaces
CN102932100B (zh) * 2012-10-16 2016-09-21 四川电力科学研究院 一种并行加扰的方法及装置
KR20150122162A (ko) * 2013-03-04 2015-10-30 톰슨 라이센싱 프라이버시 보호 카운팅을 위한 방법 및 시스템
US20140288999A1 (en) 2013-03-12 2014-09-25 Correlor Technologies Ltd Social character recognition (scr) system
US20150066689A1 (en) * 2013-08-27 2015-03-05 Jon Anthony ASTORE Method and system for providing social media ecosystem compensation
WO2015061696A1 (en) * 2013-10-25 2015-04-30 Peep Mobile Digital Social event system
CN103713938A (zh) * 2013-12-17 2014-04-09 江苏名通信息科技有限公司 虚拟化环境下基于OpenMP的多GPU协同计算方法
CN103995823A (zh) 2014-03-25 2014-08-20 南京邮电大学 一种基于社交网络的信息推荐方法
US10235403B2 (en) * 2014-07-08 2019-03-19 Palo Alto Research Center Incorporated Parallel collective matrix factorization framework for big data
AU2015296901B2 (en) * 2014-08-01 2019-10-10 Commonwealth Scientific And Industrial Research Organisation Generating shares of secret data
CN104156436B (zh) 2014-08-13 2017-05-10 福州大学 一种社交云媒体协同过滤推荐方法
US9483311B2 (en) * 2014-09-15 2016-11-01 International Business Machines Corporation Logical data shuffling
CA2931041C (en) * 2014-11-14 2017-03-28 Mark Shtern Systems and methods of controlled sharing of big data
US9706180B2 (en) * 2015-03-23 2017-07-11 Panasonic Intellectual Property Management Co., Ltd. Projection display apparatus
US10341701B2 (en) * 2015-04-21 2019-07-02 Edge2020 LLC Clustering and adjudication to determine a recommendation of multimedia content
CN104966125B (zh) 2015-05-06 2018-07-24 同济大学 一种社交网络的物品评分及推荐方法
US20160381158A1 (en) * 2015-06-29 2016-12-29 Google Inc. Automatic Invitation Delivery System
JP2017034531A (ja) * 2015-08-04 2017-02-09 富士通株式会社 動画像符号化装置及び動画像符号化方法
CN105550211A (zh) 2015-12-03 2016-05-04 云南大学 一种融合社交网络和项目内容的协同推荐系统
IL243026A0 (en) * 2015-12-10 2016-02-29 Rokach Lior Designing recommendation systems based on hidden context
US20180373793A1 (en) * 2015-12-16 2018-12-27 Thomson Licensing Methods and apparatuses for processing biometric responses to multimedia content
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
US11367149B2 (en) * 2016-01-15 2022-06-21 Carnegie Mellon University Pattern identification in time-series social media data, and output-dynamics engineering for a dynamic system having one or more multi-scale time-series data sets
US10708234B2 (en) * 2016-03-24 2020-07-07 International Business Machines Corporation System, method, and recording medium for preventing back propogation of data protection
RU2613530C1 (ru) 2016-04-19 2017-03-16 Игорь Юрьевич Скворцов Самонастраивающаяся интерактивная система, способ и считываемый компьютером носитель данных обмена комментариями между пользователями
WO2017200510A1 (ru) 2016-05-18 2017-11-23 Евгэн Мыхайловыч ВЫСОЦЬКЫЙ Обработка персональных и совокупных предпочтений пользователей (варианты)
US20180218426A1 (en) * 2017-01-27 2018-08-02 Xerox Corporation Systems and methods for privacy preserving recommendation of items
RU2649797C1 (ru) 2017-06-14 2018-04-04 Общество С Ограниченной Ответственностью "Центр Разработки И Внедрения Инновационных Технологий" Интерактивная система, способ и считываемый компьютером носитель данных представления рекламного контента
US10521225B2 (en) * 2017-06-29 2019-12-31 Oracle International Corporation Matrix multiplication at memory bandwidth
US11082234B2 (en) * 2017-07-06 2021-08-03 Robert Bosch Gmbh Method and system for privacy-preserving social media advertising
RU2666336C1 (ru) 2017-08-01 2018-09-06 Общество С Ограниченной Ответственностью "Яндекс" Способ и система для рекомендации медиаобъектов
CN108228833B (zh) 2018-01-04 2021-08-03 浙江大学 一种利用用户倾向性学习解决社区项目推荐任务的方法
CN108418810A (zh) * 2018-02-08 2018-08-17 中国人民解放军国防科技大学 一种基于Hadamard矩阵的秘密分享方法
CN108596774B (zh) * 2018-04-24 2021-10-01 山东师范大学 基于深层次网络嵌入特征的社会化信息推荐算法及系统
CN110366722A (zh) 2018-10-17 2019-10-22 阿里巴巴集团控股有限公司 不利用可信初始化器的秘密共享
JP7109501B2 (ja) 2020-06-05 2022-07-29 東芝ライフスタイル株式会社 冷蔵庫

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140013353A1 (en) * 2009-05-08 2014-01-09 Comcast Interactive Media, Llc Social Network Based Recommendation Method and System
RU2589320C2 (ru) * 2011-07-22 2016-07-10 Функе Диджитал Тв Гайд Гмбх Автоматическое определение характерной для жанра релевантности рекомендаций в социальной сети
US20140258309A1 (en) * 2013-03-08 2014-09-11 Warren Young Systems and methods for providing a review platform
US20160179950A1 (en) * 2014-12-22 2016-06-23 Rovi Guides, Inc. Systems and methods for filtering techniques using metadata and usage data analysis

Also Published As

Publication number Publication date
SG11201903587TA (en) 2020-05-28
EP3665583A1 (en) 2020-06-17
WO2020077959A1 (en) 2020-04-23
SG11201910155SA (en) 2020-05-28
CN110546642B (zh) 2023-06-02
PH12019500891A1 (en) 2019-06-17
AU2019257397A1 (en) 2020-05-07
BR112019008135B1 (pt) 2022-01-04
AU2019257397B2 (en) 2020-10-01
JP2021508064A (ja) 2021-02-25
CA3059610A1 (en) 2020-04-17
ZA201902550B (en) 2020-12-23
EP3659292A4 (en) 2020-06-03
ES2836207T3 (es) 2021-06-24
JP6803980B1 (ja) 2020-12-23
CN110546642A (zh) 2019-12-06
KR102150816B1 (ko) 2020-09-02
CA3040669A1 (en) 2020-04-17
MX2019004664A (es) 2022-05-12
AU2018353923A1 (en) 2020-05-07
CN110366722A (zh) 2019-10-22
US11386212B2 (en) 2022-07-12
US10789377B2 (en) 2020-09-29
EP3659292B8 (en) 2020-12-02
US20200125745A1 (en) 2020-04-23
PL3659292T3 (pl) 2021-07-05
US20200320605A1 (en) 2020-10-08
EP3659292B1 (en) 2020-09-30
BR112019008135A2 (pt) 2021-05-18
WO2020077573A1 (en) 2020-04-23
KR20200045441A (ko) 2020-05-04
EP3665583A4 (en) 2020-06-17
AU2018353923B2 (en) 2021-05-06
EP3659292A1 (en) 2020-06-03

Similar Documents

Publication Publication Date Title
RU2728522C1 (ru) Совместное использование секретов без доверенного инициализатора
RU2721474C1 (ru) Совместное использование секретов с доверенным инициализатором
US11481798B2 (en) Matching products with service scenarios
US20180268283A1 (en) Predictive Modeling from Distributed Datasets
US11100116B2 (en) Recommendation systems implementing separated attention on like and dislike items for personalized ranking
JP7229148B2 (ja) プライバシーを保護しながら分散された顧客データ上で機械学習すること
US20200394534A1 (en) Multi task oriented recommendation system for benchmark improvement
US20220147852A1 (en) Mitigating partiality in regression models
WO2022221000A1 (en) Interaction based social distance quantification
US11847246B1 (en) Token based communications for machine learning systems

Legal Events

Date Code Title Description
PC41 Official registration of the transfer of exclusive right

Effective date: 20210311

PC41 Official registration of the transfer of exclusive right

Effective date: 20210420