RSPapers | 基于隐私保护的推荐系统论文合集

嘿，记得给“机器学习与推荐算法”添加星标

---

近年来，推荐系统已经成为许多社交/购物/新闻平台中必不可少的组件。一方面，推荐系统为了更好的捕捉和建模用户的行为习惯以及历史偏好，需要大量收集用户和物品的属性信息以及二者的交互记录。另一方面，大量的用户行为记录以及用户私有属性信息虽然使得模型能够掌握用户的行为模式，但也不可避免的造成了用户敏感信息以及隐私问题的担忧。所以如何在保证用户隐私前提下挖掘数据价值是目前大数据背景下值得研究的课题。

早在推荐算法被提出来的初期，就一直有关于基于隐私保护的推荐系统的研究。比如，正如我们所熟知的Netflix大赛把研究人员关于推荐系统的研究热情带到了高点，但后来却因开放出来的数据集导致用户隐私泄露而叫停。而攻击的方法也很简单，文献[Arvind et al. 2008]通过将释放出的Netflix数据集与IMDb数据集进行关联就挖掘出了一部分用户的敏感信息，因此如何在提供推荐服务的同时保护用户的隐私问题变得越来越被人们重视。

所以，我们在增加了工业级的推荐系统、