一种保留效用的 YouTube 推荐混淆方法
密码学与安全
2023-06-21 v2
摘要
在线内容平台通过向用户提供个性化推荐来优化参与度。这些推荐系统追踪并刻画用户画像，以预测用户可能感兴趣的相关内容。虽然个性化推荐为用户提供了效用，但实现它们的追踪与画像带来了隐私问题，因为平台可能推断出潜在敏感的用户兴趣。人们对构建不依赖在线内容平台合作的隐私增强混淆方法日益关注。然而，现有混淆方法主要聚焦于增强隐私，但同时因引入不相关推荐而降低了效用。我们设计并实现了 De-Harpo，一种针对 YouTube 推荐系统的混淆方法，它不仅混淆用户的视频观看历史以保护隐私，随后还对 YouTube 的视频推荐去噪以保留其效用。与先前的混淆方法不同，De-Harpo 增加了一个去噪器，其利用“秘密”输入（即用户真实观看历史）以及对抗性推荐系统也可获得的信息（即混淆后的观看历史及相应的“含噪”推荐）。我们对 De-Harpo 的大规模评估表明，在相同隐私水平下，其保留效用的能力优于最先进水平 2 倍，同时保持隐蔽性及对去混淆的鲁棒性。
引用
@article{arxiv.2210.08136,
title = {A Utility-Preserving Obfuscation Approach for YouTube Recommendations},
author = {Jiang Zhang and Hadi Askari and Konstantinos Psounis and Zubair Shafiq},
journal= {arXiv preprint arXiv:2210.08136},
year = {2023}
}