利用数据稀疏性的安全跨平台社交推荐
机器学习
2022-02-16 v1 密码学与安全
摘要
社交推荐利用社交关联数据作为额外输入，相比传统系统展现出有前景的改进。大多数现有工作假设所有数据对推荐平台均可用。然而在实践中，用户-物品交互数据（如评分）和用户-用户社交数据通常由不同平台生成，且两者均包含敏感信息。因此，“如何在不同平台间进行安全且高效的社交推荐，且数据本质上高度稀疏”仍是一个重要挑战。本工作中，我们将安全计算技术引入社交推荐，并提出 S3Rec，一种感知稀疏性的安全跨平台社交推荐框架。因此，我们的模型不仅能通过融合社交平台上的稀疏社交数据来提升评分平台的推荐性能，还能保护两个平台的数据隐私。此外，为进一步提升模型训练效率，我们基于同态加密和私有信息检索提出了两种安全稀疏矩阵乘法协议。我们在两个基准数据集上的实验证明了 S3Rec 的有效性。
引用
@article{arxiv.2202.07253,
title = {Exploiting Data Sparsity in Secure Cross-Platform Social Recommendation},
author = {Jamie Cui and Chaochao Chen and Lingjuan Lyu and Carl Yang and Li Wang},
journal= {arXiv preprint arXiv:2202.07253},
year = {2022}
}