-
Patent Agency Ranking
公开(公告)号：CN113886889A
公开(公告)日：2022-01-04
申请号：CN202111248409.1
申请日：2021-10-26
Applicant: 重庆邮电大学
IPC: G06F21/62
Abstract: 本发明涉及一种基于联合随机翻转的差分隐私保护方法，属于隐私安全技术领域。该方法为：S1：将评分用编码机制编码成二进制形式；S2：将二进制形式评分按规则转换成二进制矩阵；S3：对二进制矩阵进行联合随机翻转；S4：将翻转后的二进制矩阵进行S2中的反向操作展开；S5：利用汉明距离求物品间相似性；S6：利用物品相似性与原始评分预测用户对未评分物品的评分，并完成推荐。本发明在保证用户信息隐私安全的同时，避免了差分隐私算法对推荐系统准确性的影响，实现了安全性与准确性的良好平衡。
-
公开(公告)号：CN115221399A
公开(公告)日：2022-10-21
申请号：CN202210427191.4
申请日：2022-09-08
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F21/62
Abstract: 本发明涉及一种基于差分隐私的逻辑回归矩阵分解推荐算法，属于隐私安全技术领域。该方法为：S1：将用户评分数据转换为0/1状态的隐式数据；S2：对评分矩阵进行负反馈采样；S3：将0/1状态的隐式数据转换为二分类问题，以概率方式建模；S4：构建逻辑回归模型拟合用户偏好；S5：利用sigmoid函数对对预测评分进行非线性变换；S6：采用目标扰动方式对隐式反馈数据进行隐私保护并完成推荐。本发明在实现用户隐私保护的同时还能有效的保证推荐结果的准确性，实现了隐私安全性和推荐准确性的良好平衡。
-
公开(公告)号：CN113849772B
公开(公告)日：2024-07-09
申请号：CN202111206920.5
申请日：2021-10-15
Applicant: 重庆邮电大学
Abstract: 本发明涉及基于本地化差分隐私对矩阵分解算法的隐私信息保护，属于计算机推荐系统领域和信息安全领域，包括将训练模型解耦的分布式框架，用户原始数据与服务器完全分离开；改进矩阵分解的传统模型，将项目潜在特征矩阵分裂为两个子矩阵之和；使用随机投影技术和piesewise机制对模型的中间参数即梯度进行扰动处理；服务器聚合来自所有用户的扰动梯度，进行模型参数更新，用户使用原始数据进行本地参数的更新。本发明具有良好的隐私保护和模型准确性。
-
公开(公告)号：CN113886889B
公开(公告)日：2024-04-09
申请号：CN202111248409.1
申请日：2021-10-26
Applicant: 重庆邮电大学
IPC: G06F21/62
Abstract: 本发明涉及一种基于联合随机翻转的差分隐私保护方法，属于隐私安全技术领域。该方法为：S1：将评分用编码机制编码成二进制形式；S2：将二进制形式评分按规则转换成二进制矩阵；S3：对二进制矩阵进行联合随机翻转；S4：将翻转后的二进制矩阵进行S2中的反向操作展开；S5：利用汉明距离求物品间相似性；S6：利用物品相似性与原始评分预测用户对未评分物品的评分，并完成推荐。本发明在保证用户信息隐私安全的同时，避免了差分隐私算法对推荐系统准确性的影响，实现了安全性与准确性的良好平衡。
-
公开(公告)号：CN113849772A
公开(公告)日：2021-12-28
申请号：CN202111206920.5
申请日：2021-10-15
Applicant: 重庆邮电大学
Abstract: 本发明涉及基于本地化差分隐私对矩阵分解算法的隐私信息保护，属于计算机推荐系统领域和信息安全领域，包括将训练模型解耦的分布式框架，用户原始数据与服务器完全分离开；改进矩阵分解的传统模型，将项目潜在特征矩阵分裂为两个子矩阵之和；使用随机投影技术和piesewise机制对模型的中间参数即梯度进行扰动处理；服务器聚合来自所有用户的扰动梯度，进行模型参数更新，用户使用原始数据进行本地参数的更新。本发明具有良好的隐私保护和模型准确性。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
