一种用于 IPTV 推荐服务中协作隐私的增强型中间件

用户在使用 IPTV 系统时面临的一个问题是信息过载，使其难以根据个人偏好找到合适的内容。推荐服务是缓解该问题最广泛采用的技术之一，这些服务旨在根据用户偏好提供他们将会欣赏的条目推荐。IPTV 用户必须确保其被任何推荐服务收集的敏感偏好得到妥善保护。在本文中，我们引入了一种基于协作隐私增强型中间件（EMCP）的私有推荐服务框架。EMCP 执行两阶段隐藏过程，使用户能够完全控制其画像的隐私级别。我们利用信任机制来提高推荐的准确度和隐私性。信任启发式识别出相对于请求推荐的用户而言可信的用户。随后，利用基于这些可信用户的邻近度度量来计算邻域形成。最后，用户以混淆形式提交其画像，不泄露有关其数据的任何信息，并且使用安全多方计算协议在混淆数据上继续进行推荐计算。我们将混淆范围从所有用户的单一混淆级别扩展到基于用户间信任的任意混淆级别。换言之，我们将混淆级别与不同信任级别相关联，因此目标用户越受信任，其可访问的画像混淆副本越少。我们还提供了一个 IPTV 网络场景和实验结果。我们的结果和分析表明，我们的两阶段隐藏过程不仅保护用户隐私，还能保持推荐准确度。