个性化信息检索中用户隐私保护方法

摘要

个性化信息检索中用户隐私保护方法是基于差分隐私的用户兴趣模型匿名化方法。目的是解决用户隐私保护和提升个性化信息检索性能之间矛盾。该方法针对隐匿用户兴趣模型中的标示符后的匿名化，即去掉其中的标示符(如用户ID、姓名、身份证号、SSN等)后，主要利用差分隐私的相关技术对用户兴趣模型中准标示符的匿名化。即对用户的准标示符进行泛化并添加Laplace噪音满足差分隐私保护要求，最大化统计数据库中的查询精度，同时最小化识别个体及属性的概率；该方法可广泛应用于个性化检索、推荐等服务系统。该发明所属信息、计算机技术领域。

主权项

个性化信息检索中用户隐私保护方法，是一种基于差分隐私非交互机制的用户兴趣模型匿名化方法，其特征是：引入差分隐私技术，针对用户兴趣模型中准标示符的匿名化，即对用户的准标示符进行泛化并添加Laplace噪音满足差分隐私保护要求，最大化统计数据库中的查询精度，同时最小化识别个体及属性的概率，解决了用户的隐私保护和提升个性化信息检索性能之间矛盾，该方法具体包括：隐匿用户模型中的标示符，设置合理的隐私预算参数ε初值；采用自上而下的方法，概率性的泛化准标示符，可将数据集划分成一些等价组；添加Lap(2/ε)噪音到每一组数据中；将满足差分隐私的数据集进行发布；完成个性化信息检索中用户隐私保护方法。