SharedMF：一种隐私保护推荐系统
机器学习
2020-08-19 v1 信息检索
机器学习
摘要
矩阵分解是推荐系统中最常用的技术之一。随着推荐系统在电商购物、在线视频等方面的推广，分布式推荐系统得到广泛普及，多源数据的隐私问题也愈发重要。基于联邦学习(Federated learning)技术，本文提出一种称为SharedMF的共享矩阵分解方案。首先构建分布式推荐系统，随后使用秘密分享技术保护本地数据隐私。实验结果表明，与现有同态加密方法相比，我们的方法在不泄露隐私的前提下具有更快的执行速度，并能更好地适应数据量大的推荐场景。
引用
@article{arxiv.2008.07759,
title = {Shared MF: A privacy-preserving recommendation system},
author = {Senci Ying},
journal= {arXiv preprint arXiv:2008.07759},
year = {2020}
}