PRSI：基于向量分割和交互协议的隐私保护推荐模型
密码学与安全
2024-12-02 v1 人工智能
摘要
随着互联网的发展，将有趣的产品推荐给用户已成为企业极其宝贵的研究主题。推荐系统在解决这一问题方面发挥着关键作用。为防止泄露每个用户（客户端）的私有数据，已提出广泛使用的联邦推荐系统（FedRec）。然而，大量研究表明 FedRec 存在数据隐私泄露等安全问题，且当每个客户端仅持有单个用户的交互信息时，训练有效模型也具有挑战性。为解决这两个问题，本文提出了一种新的隐私保护推荐系统（PRSI），包括预处理模块和两个主要阶段。预处理模块采用分割向量和伪造交互项目来保护客户端的交互信息和推荐结果。两个主要阶段分别为：（1）收集交互信息；（2）发送推荐结果。在交互信息收集阶段，每个客户端使用预处理模块和随机通信方法（根据设计的交互协议）来保护其 ID 信息和 IP 地址。在推荐结果发送阶段，中心服务器使用预处理模块和三元组，在遵循设计的交互协议的安全条件下，将推荐结果分发给每个客户端。最后，我们进行了多组实验来验证所提出方法的安全性、准确性和通信成本。
引用
@article{arxiv.2411.18653,
title = {PRSI: Privacy-Preserving Recommendation Model Based on Vector Splitting and Interactive Protocols},
author = {Xiaokai Cao and Wenjin Mo and Zhenyu He and Changdong Wang},
journal= {arXiv preprint arXiv:2411.18653},
year = {2024}
}