-
题名基于自编码器的差分隐私推荐算法
- 1
-
-
作者
王洪涛
杨昌松
唐紫薇
刘真
丁勇
李春海
-
机构
大庆油田第一采油厂
桂林电子科技大学广西密码学与信息安全重点实验室
桂林电子科技大学广西工业互联网安全与区块链工程研究中心
香港科技大学高等教育学院网络空间科技研究所
-
出处
《通信技术》
2024年第6期617-625,共9页
-
基金
广西自然科学基金(2024GXNSFAA010453,2024GXNSFDA010064)
国家自然科学基金(62172119,62362013)
广西可信软件重点实验室自由探索课题(KX202329)。
-
文摘
随着深度学习技术在推荐系统领域的快速发展,用户隐私保护问题变得愈发突出。针对这一问题,提出了一种新颖的方法,将差分隐私及自编码器技术应用于深度学习模型训练中,并设计了DPAutoRec算法。该算法通过向梯度中添加符合差分隐私条件的噪声,有效实现了用户隐私的保护。在Movielens-1M数据集上进行了广泛的实验验证,并与传统的AutoRec算法进行了对比,结果表明,在确保差分隐私的前提下,DPAutoRec能够提供有价值的预测结果,为用户隐私和个性化推荐的平衡提供了新的思路与解决方案。
-
关键词
深度学习
推荐系统
差分隐私
自编码器
-
Keywords
deep learning
recommendation system
differential privacy
autoencoder
-
分类号
TP309.2
[自动化与计算机技术—计算机系统结构]
-