PPGenCDR：一种稳定且鲁棒的隐私保护跨域推荐框架
信息检索
2023-05-26 v1 人工智能
摘要
隐私保护跨域推荐（PPCDR）指在将知识从源域迁移至目标域以提升性能的同时保护用户隐私，这对推荐系统的长远发展至关重要。现有跨域推荐（CDR）工作取得了先进且令人满意的推荐性能，但大多忽视了隐私保护。为填补此空白，我们提出一种面向 PPCDR 的隐私保护生成式跨域推荐（PPGenCDR）框架。PPGenCDR 包含两个主要模块，即稳定隐私保护生成模块与鲁棒跨域推荐模块。具体而言，前者利用基于生成对抗网络（GAN）的模型隔离不同域的数据，并借助 Renyi 差分隐私（RDP）技术稳定估计源域私有数据的分布。后者旨在鲁棒地利用来自源域的受扰动但有效的知识以及目标域的原始数据来提升推荐性能。三个关键模块，即（1）选择性隐私保护器、（2）GAN 稳定器与（3）鲁棒导引器，分别保障了效用与隐私间的成本效益权衡、使用 RDP 时 GAN 的稳定性，以及利用可迁移知识的鲁棒性。在 Douban 与 Amazon 数据集上的广泛实证研究表明，PPGenCDR 在保护隐私的同时显著优于 SOTA 推荐模型。
引用
@article{arxiv.2305.16163,
title = {PPGenCDR: A Stable and Robust Framework for Privacy-Preserving Cross-Domain Recommendation},
author = {Xinting Liao and Weiming Liu and Xiaolin Zheng and Binhui Yao and Chaochao Chen},
journal= {arXiv preprint arXiv:2305.16163},
year = {2023}
}
备注
To be appear in AAAI2023