面向位置感知推荐系统的隐私保护方法

摘要

本发明涉及一种面向位置感知推荐系统的隐私保护方法。本发明公开了一种基于密码学的位置感知推荐系统的隐私保护方法，主要解决现有系统在保护推荐用户隐私的同时会带来信息损失，降低推荐服务质量的问题。其技术方案是：先将所有的历史数据均以密文的形式在云计算平台进行存储；服务提供者采用Paillier加密算法计算推荐用户访问过的各位置点之间的相似度；推荐用户和服务提供者采用Paillier加密算法、El-Gamal加密算法和可比较加密算法计算出满足用户要求的推荐结果。仿真测试的结果表明法能够在保证了推荐用户的隐私数据及服务提供商的私有数据的安全的条件下实现快速高效的推荐服务。可用于云计算环境下数据外包系统中的隐私保护。

主权项

面向位置感知推荐系统的隐私保护方法，其特征在于将密码学理论以及数据外包计算理论应用到推荐系统中，其步骤包括：(1)服务提供者对推荐用户位置点的属性信息进行扩展，并对扩展后的属性信息进行加密，再将加密后的信息发送给云计算平台进行存储；(2)服务提供者定期收集推荐用户的历史评价信息,并对收集到的历史评价信息利用Paillier加密算法加密后发送给云计算平台；(3)云计算平台收到服务提供者发送的历史评价信息后，将其整合到已经存储在云端的数据集中，再对该数据集进行聚合运算，并将聚合结果发回给服务提供者；(4)服务提供者解密聚合结果并计算各个位置点之间的相似度，再对相似度矩阵进行转化后，发送给云计算平台进行存储；(5)推荐用户直接向云计算平台发送用可比较加密算法加密后的感兴趣区域，云计算平台收到数据后，利用可比较加密算法筛选出满足推荐用户感兴趣区域内的位置点；(6)云计算平台再对筛选出位置点的属性信息用可交换加密算法加密，得到双层加密的结果,同时，提取该推荐用户的历史评价信息和对应的相似度信息，并进行聚合运算，再将双层加密的结果和聚合结果发送给服务提供者；(7)服务提供者收到云计算平台发送的双层加密的结果后，对其用可交换解密算法解密内层加密，得到推荐用户密钥加密的属性信息，同时，对云计算平台的聚合结果用Paillier算法解密并进行计算，得到预测信息，并将该属性信息和预测信息发送给推荐用户；(8)推荐用户对收到的属性信息用可交换解密算法解密，得到属性信息明文，同时对收到的预测信息进行计算，得到预测评价信息明文，依次选择预测评价信息最高的k个位置点,并根据其属性信息在推荐用户感兴趣区域上显示这k个位置点。