基于密文的去中心化兴趣点推荐研究

作     者：张亚男 刘安 彭佳 张益凡 Zhang Ya’nan;Liu An;Peng Jia;Zhang Yifan

作者机构：苏州大学计算机科学与技术学院江苏苏州215006 

出 版 物：《计算机应用与软件》 (Computer Applications and Software)

年 卷 期：2021年第38卷第11期

页      面：322-330,337页

学科分类：0839[工学-网络空间安全] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：江苏高校优势学科建设工程资助项目(PAPD) 

主　　题：兴趣点推荐 去中心化矩阵分解 Paillier加密 随机游走 

摘      要：针对集中式矩阵分解模型在进行兴趣点推荐时存在的内存需求多、计算成本高、隐私泄露风险大等问题,提出基于密文的去中心化推荐模型CDMF。比起统一收集处理所有数据的传统矩阵分解推荐方法,CDMF保持用户的数据在个人终端,以防出现大规模的集中计算;结合随机游走和Paillier加密算法实现基于密文的去中心化推荐;为了提高算法的时间性能,CDMF进一步引入个人兴趣点集合。在Foursquare和Gowalla真实数据集上进行实验,实验结果从精确率、召回率及时间性能三方面证明了CDMF的有效性。该方法在保护隐私的同时,相比经典矩阵分解模型其精确率和召回率分别提高1百分点和9百分点。