推荐系统应用在线社交网络数据中的用户隐私：综述与分类
密码学与安全
2018-06-21 v1
摘要
推荐系统已成为许多社交网络不可或缺的一部分，并显式（在用户知情下）和隐式地从用户的个人与敏感数据中提取知识。这一趋势引发了重大的隐私担忧，因为用户大多不知道正在使用什么数据、使用了多少数据以及数据被使用的安合程度。在此背景下，已有若干工作致力于解决在线社交网络数据及推荐系统中的隐私问题。本文综述了大规模在线社交网络和推荐系统中使用的主要隐私问题、度量与隐私保护技术。它基于安全、隐私保护、统计建模和数据集方面的历史工作，概述了与在线社交网络隐私保护相关的技术困难与问题。
引用
@article{arxiv.1806.07629,
title = {User's Privacy in Recommendation Systems Applying Online Social Network Data, A Survey and Taxonomy},
author = {Erfan Aghasian and Saurabh Garg and James Montgomery},
journal= {arXiv preprint arXiv:1806.07629},
year = {2018}
}
备注
26 pages, IET book chapter on big data recommender systems