公开(公告)号：CN116909369A

公开(公告)日：2023-10-20

申请号：CN202310785029.4

申请日：2023-06-29

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 杨昌松 ,  唐紫薇 ,  丁勇 ,  柳悦玲 ,  李振宇 ,  赵汝文 ,  李春海

IPC: G06F1/20 ,  G06F21/62 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明属于数据处理技术领域，公开了一种基于AutoRec算法的差分隐私保护推荐方法及系统，在AutoRec算法上选择在训练过程中对其梯度加噪实现差分隐私保护，将AutoRec算法和差分隐私相结合设计DPAutoRec算法并在此基础上进一步优化，最后利用实验仿真验证DPAutoRec算法在满足差分隐私的同时也保证了模型的可用性。本发明基于经典的AutoRec算法，将差分隐私和AutoRec模型相结合，设计了DPAutoRec，在深度学习领域，使用Guaasian机制来扰动梯度数据比用Laplace机制来扰动梯度数据的性能更好，Rényi差分隐私也确实进一步优化隐私预算提高了扰动后的模型准确率。

公开(公告)号：CN115718927A

公开(公告)日：2023-02-28

申请号：CN202211295662.7

申请日：2022-10-21

Applicant: 桂林电子科技大学

Inventor： 杨昌松 ,  唐紫薇 ,  丁勇 ,  柳悦玲 ,  刘洋

IPC: G06F21/62 ,  G06F16/9536 ,  H04L9/40 ,  H04L67/01

Abstract: 本发明属于隐私保护技术领域，公开了一种基于不可信服务器的差分隐私混合推荐方法，构建新的隐私保护推荐系统框架，利用用户隐式反馈行为数据，在客户端考虑数值敏感度和数据分布不同，使用LCF‑VDP机制扰动原始数据并上传到服务器；服务器混合两种算法的相似度，最终选择topk混合相似度发送给每个用户设备，在每个用户设备中进行预测评分计算并推荐。本发明考虑在不可信服务器中部署推荐系统，考虑数值敏感度的不同和原始数据分布问题提出了LDP‑VDP机制，并在此基础上设计了一个新的客户端－服务器协同保护隐私安全的框架，该框架混合两种推荐算法，能有效地弥补各个推荐算法的缺点并更好地发挥各个推荐算法的优点。