一种保护用户隐私信息的推荐方法和装置与流程

本发明涉及信息安全领域，更具体地，涉及一种保护用户隐私信息的推荐方法和装置。

背景技术：

大规模在线服务网站的蓬勃发展吸引了越来越多的网路用户，然而与此同时，个性化推荐服务成为网站主要竞争手段的同时带来了用户隐私泄露风险。事实上，处理用户的历史行为记录就意味着用户的隐私信息会被搜集、存储并用于推荐。在大规模在线服务系统中，绝大多数情况下，用户信任推荐系统，并期望推荐系统能够基于自己的兴趣偏好提供优质的个性化推荐服务。然而，用户不希望推荐系统获取除兴趣偏好之外的其他个人隐私信息，特别是用户人口统计学信息(demographicinformation，di)。尤其在当今的互联网时代，大数据平台的建立和应用，同类网站之间的互利合作不断促进着数据分享交流。用户担心，一旦所推荐系统可以获取用户di，那么由于数据的互利分享，用户di将面临泄露给未知甚至不信任的第三方的风险。目前，大量的研究工作通过数据扰动和模糊的方法扭曲用户历史行为记录，以降低用户di分类推断的准确性，不幸地是，这种数据扭曲不可避免地牺牲了个性化推荐的准确性。虽然在大规模在线服务系统中，保护用户隐私会造成推荐性能的损失已经成为了研究工作的普遍共识，但是现有研究工作在用户di安全和推荐准确性之间的权衡做法并不能使用户十分满意。

由于保护用户的隐私必然会造成推荐性能的损失，所以目前的框架主要作用就是权衡用户隐私信息泄露程度及推荐准确性的损失。然而，用户的兴趣偏好不由某一类用户di唯一决定，因此，需要提供一种保护用户隐私信息的推荐方法和装置。

技术实现要素：

本发明的目的在于提供一种保护用户隐私信息的推荐方法和装置，该发明能够实现在保护用户di的同时保证甚至提高推荐准确性的目的。

为达到上述目的，本发明采用下述技术方案：

一种保护用户隐私信息的推荐方法，该方法包括：s101：隐私保护模块从用户端读取用户历史行为数据a；s103：所述隐私保护模块将所述用户历史行为数据a进行转换，并将转换后的数据发送给推荐系统；s105：所述隐私保护模块接收经所述推荐系统的所述隐私推断模块进行推断后的推荐数据b；s107：所述隐私保护模块对所述推荐数据b进行修正，并将修正后的推荐数据发送给所述用户端。

优选的，所述隐私保护模块对所述用户历史行为数据a进行数据转换时，根据所述用户历史行为数据a中视频的特性，选择相反特性占优势的视频，所述视频的特性倾向参数可通过基于训练集数据获取，所述视频的特性为用户人口统计学信息中的一项或多项内容，包括性别、年龄。

优选的，所述隐私保护模块将所述相反特性的视频的平均打分作为选定添加的视频的虚拟打分值。

优选的，所述隐私保护模块对所述用户历史行为数据a进行数据转换时，选择给定用户感兴趣的视频和/或选择更受欢迎的视频加入到所述用户历史行为数据a中。

优选的，对于上述任一方案中的所述隐私保护模块将所述推荐系统推荐的视频进行修正，对符合用户历史行为的视频传输到用户端。

一种保护用户隐私信息的推荐装置，包括用户端、隐私保护模块和推荐系统，其中用户端工作在隐私保护模块的前端，推荐系统工作在隐私保护模块的后端，该装置包括：读取数据模块：配置为所述隐私保护模块从所述用户端读取用户历史行为数据a；数据转换模块：配置为所述隐私保护模块将所述用户历史行为数据a进行转换，并将转换后的数据发送给所述推荐系统；数据接收模块：配置为所述隐私保护模块接收经所述推荐系统的隐私推断模块进行推断后的推荐数据b；数据修正模块：配置为所述隐私保护模块对所述推荐数据b进行修正，并将修正后的推荐数据发送给所述用户端。

优选的，所述隐私保护模块对所述用户历史行为数据a进行数据转换时，根据所述用户历史行为数据中视频的特性，选择相反特性占优势的视频，所述视频的特性倾向参数可通过基于训练集数据获取，所述视频的特性为用户人口统计学信息中的一项或多项内容，包括性别、年龄。

优选的，所述隐私保护模块将所述相反特性的视频的平均打分作为选定添加的视频的虚拟打分值。

优选的，所述隐私保护模块设置在所述用户端中。

优选的，其特征在于，对于上述任一方案中的所述隐私保护模块将所述推荐系统推荐的视频进行修正，对符合用户历史行为的视频传输到用户端。

本发明的有益效果如下：

本发明所述技术方案通过在用户端和推荐系统之间设立的隐私保护模块实现对用户di的保护和兴趣的加强，能够实现在保护用户隐私不被准确分类推断的同时保证甚至提高推荐服务的质量。

附图说明

下面结合附图对本发明的具体实施方式作进一步详细的说明。

图1示出本发明所述保护用户隐私信息的推荐方法的结构框图；

图2示出本发明所述保护用户隐私信息的推荐方法的流程图；

图3示出本发明所述保护用户隐私信息的推荐装置的框图。

具体实施方式

为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。

在一个具体的实施例中，图1示出本发明所述保护用户隐私信息的推荐方法的结构框图，用户端设置在显示终端上，推荐系统设置在服务器端，隐私保护模块独立设置，图2示出本发明所述保护用户隐私信息的推荐方法的流程图，一种保护用户隐私信息的推荐方法，具体方法包括：

步骤s101：隐私保护模块从用户端读取用户历史行为数据a；在前向操作中，所述隐私保护模块从前端用户端读取用户历史行为数据。前向操作定义为隐私保护模块从用户端读取用户历史行为数据，数据转换后传输给推荐系统；反向操作方向相反，定义为隐私保护模块从推荐系统读取推荐数据，数据转换后传输给用户端。

步骤s103：所述隐私保护模块将所述用户历史行为数据a进行转换，并将转换后的数据发送给推荐系统；即在模糊用户di的同时不扭曲用户的兴趣偏好，将用户历史行为数据中关于用户di的部分进行模糊。

步骤s105：所述隐私保护模块接收经所述推荐系统的隐私推断模块进行推断后的推荐数据b；即在反向操作中，隐私保护模块接收推荐系统的推荐数据。

步骤s107：所述隐私保护模块对所述推荐数据b进行修正，并将修正后的推荐数据发送给所述用户端，至此，反向操作完成。

在另一个具体的实施例中，以视频网站用户性别信息保护为例，说明此推荐方法，当隐私保护模块对所述用户历史行为数据a进行数据转换时，根据所述用户历史行为数据中视频的性别特性，选择相反性别占优势的视频，所述视频的特性倾向参数可通过基于训练集数据获取，即对于一个女性用户，要添加男性倾向的视频，反之亦然。

在另一个具体的实施例中，以视频网站用户年龄信息保护为例，当隐私保护模块对所述用户历史行为数据a进行数据转换时，根据所述用户历史行为数据中视频的年龄特性，选择不同年龄占优势的视频，所述视频的特性倾向参数可通过基于训练集数据获取，即对于一个成年用户，要添加老年或儿童倾向的视频，反之亦然。

在另一个具体的实施例中，所述隐私保护模块将所述相反特性的视频的平均打分作为选定添加的视频的虚拟打分值，即在前向操作中，将反性别类或反年龄类等用户di的平均打分作为选定添加的视频的虚拟打分值。

在另一个具体的实施例中，所述隐私保护模块对所述用户历史行为数据a进行数据转换时，选择将给定用户感兴趣的视频和/或选择更受欢迎的视频添加到用户历史行为记录a中。

在另一个具体的实施例中，所述隐私保护模块将所述推荐系统推荐的视频进行修正，对符合所述用户历史行为的视频传输到用户端。由于原始的推荐系统将选择出的添加的虚拟打分值作为用户的历史行为记录，不会再重复推荐，而这些选择的添加视频高度符合用户的兴趣偏好需要推荐给用户，所以反向操作中隐私保护模块将这些记录添加到推荐系统输出中传递到用户端推荐给用户。

图3示出本发明所述保护用户隐私信息的推荐装置的框图，一种保护用户隐私信息的推荐装置，包括用户端、隐私保护模块和推荐系统，其中用户端工作在隐私保护模块的前端，推荐系统工作在隐私保护模块的后端，用户端设置在显示终端上，推荐系统设置在服务器端，隐私保护模块独立设置，该装置包括：读取数据模块：配置为所述隐私保护模块从所述用户端读取用户历史行为数据a；数据转换模块：配置为所述隐私保护模块将所述用户历史行为数据a进行转换，并将转换后的数据发送给所述推荐系统；数据接收模块：配置为所述隐私保护模块接收经所述推荐系统的隐私推断模块进行推断后的推荐数据b；数据修正模块：配置为所述隐私保护模块对所述推荐数据b进行修正，并将修正后的推荐数据发送给所述用户端。

在另一个具体的实施例中，该装置在所述隐私保护模块对所述用户历史行为数据a进行数据转换时，根据所述用户历史行为数据中视频的特性，选择相反特性占优势的视频，所述视频的特性倾向参数可通过基于训练集数据获取，所述视频的特性为用户人口统计学信息中的一项或多项内容，包括性别、年龄。

在另一个具体的实施例中，该装置中的隐私保护模块将所述相反特性的视频的平均打分作为选定添加的视频的虚拟打分值。

在另一个具体的实施例中，所述隐私保护模块设置在所述用户端中。为了进一步保护用户di，可以将隐私保护模块设置在所述用户端中，避免了用户di的泄露。

在另一个具体的实施例中，该装置中的隐私保护模块将所述推荐系统推荐的视频进行修正，对符合所述用户历史行为的视频传输到用户端。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。