摘要 : 推荐系统可帮助用户从众多的数据中发现用户所需数据,与此同时,上传用户原始数据给服务器也可能泄露用户隐私.本文使用本地化差分隐私技术为推荐系统中的用户数据提供隐私保护.在本地化差分隐私模型中,隐私预算控制用户数据的隐私保护程度,较高的隐私... 展开
| 作者 | 暴婷 徐蕾 祝烈煌 王丽宏 |
|---|---|
| 作者单位 | |
| 英文名称 | Optimized setting of privacy budget in a recommendation system with local differential privacy |
| 期刊名称 | 《中国科学（信息科学）》 |
| 期刊英文名称 | 《Science in China(Information Sciences)》 |
| 页码/总页数 | 1481-1499 / 19 |
| 语种 | 汉语 |
| 关键词 | 推荐系统 本地化差分隐私 隐私预算 强化学习 多臂赌博机 |
| 基金项目 | 国家自然科学基金(批准号:61871037)和北京市自然科学基金(批准号:M21035)资助项目 |
| 收录情况 | BDHX CSCD CSTPCD |
| 机标主题词 / 分类号 | 用户;预算;推荐系统 / F0;F0;TP274 |
