一种基于不经意传输的社会化推荐方法
【技术领域】
[0001] 本发明涉及安全多方计算领域，特别是涉及一种基于不经意传输的社会化推荐方 法。
【背景技术】
[0002] 基于邻域的算法是推荐系统中最基本的算法，该算法不仅在学术界得到了深入研 宄，而且在业界也得到了广泛应用。基于邻域的算法分为两大类:一类是基于用户的协同过 滤算法，另一类是基于物品的协同过滤算法。
[0003] 协同过滤方法主要根据用户的历史行为和兴趣来预测用户未来的行为，因此大量 的用户历史行为数据成为推荐系统的重要组成成分和先决条件。对于许多在初始阶段的网 站而言，没有大量用户数据的积累，协同过滤方法不能够很好的发挥出效果。
[0004] 基于邻域的社会化推荐算法，通常默认用户的社交网络拓扑图来自完全安全可信 的提供商，RBS可以完全不受拘束的使用社交网络拓扑数据进行社会化推荐。但更多情况 下，RBS仅持有用户历史行为数据信息，社交网络拓扑信息需要通过第三方的API获取（比如 Facebook's Open Graph, Twitter API, etc)。而在现实生活中，完全可信赖的第三方这 一假设通常是不成立的。由此可见，一个安全可靠的多方合作的社会化推荐方案十分必要。 [0005] Yao在文献"How to generate and exchange secrets" 中首次提出 了安全两方计 算的概念，并且设计出了第一个安全两方比较协议-百万富翁协议。该协议使得两个参与方 能够在不泄露个人输入的情况下，比较出两方所持有数据的大小关系。他同时在该文献中 指出，任何安全两方的计算协议，均可以通过电路门实现。到目前为止，基于Yao的Garbled Circuits原理，学者们已经设计出包括:安全多方求和，安全多方求差，安全多方求积以及 安全多方比较等一系列基本操作模块。
【发明内容】
[0006] 本发明主要解决的技术问题是提供一种基于不经意传输的社会化推荐方法，通过 在不泄露任一参与方私有数据的前提下，不经意传输、合作完成个性化的社会化推荐，基于 好友关系的推荐可以增加推荐的信任度，利用社交网络可以有效解决传统推荐方法的冷启 动问题，安全性高、适应性强，在基于不经意传输的社会化推荐方法的普及上有着广泛的市 场前景。
[0007] 为解决上述技术问题，本发明采用的一个技术方案是： 提供一种基于不经意传输的社会化推荐方法，其步骤包括:（1)将作为参与方的社交网 络服务提供商端设置为SN、电子商务提供商端设置为RBS，用户的社交网络拓扑图设置为 Social Graph，SN持有所有用户之间的社交关系网络拓扑图，RBS持有用户 历史行为数据珥，|/是所有的用户节点集合，」心是用户好友关系的边集 合，J是物品id集合，馬是用户与物品之间的关系集合，％是边尽的权重，设置推荐物品 个数为k; (2) 利用不经意传输算法，SN和RBS合作计算出每个物品的预测得分； (2.1) SN持有所有用户的社交关系数据GF，RBS持有用户历史行为数据Gp用户历史行 为数据即用户历史购买记录;对于目标用户u，SN可以根据事先确定好的相似度计算方法计 算出sim(u，v)，其中，v是除用户u之外的所有其他用户，而除了用户u以外，一共有m个用 户；当物品为i，SN端持有相似度向量SIM={sim(u，Ui )，sim(u，M2 )，…，sim(u，Wm )}，表示 用户1?，M2，-直到用户分别相对于用户u的相似度，Μ?表示第 m个用户;RBS持有物品i 的评分向量隅，i)，"_，w(WTO 4)}，表示用户％，112，一直到用户11"分别 对物品i的评分，Mm表示第m个用户；对于目标用户u而言，物品i的推荐得分s(u，i)为对应 位积之和;RBS将所有用户的历史行为数据记录在记录矩阵中，并将记录矩阵的分布情况共 享给SN，同样SN也需要将自己的数据分布情况共享给rbs，即两方只计算sim(u,itj)羊0和 wOyi) # 0的项，并不是对所有的元素进行0T乘法操作，其中，记录矩阵的分布情况为〇 时，则用户未曾购买过物品，记录矩阵的分布情况为1时，则用户购买过物品； (2.2) 利用不经意传输协议安全包装自己的数据： (2 · 2 · 1 )RBS随机生成# = 1〇Β丨λ丨个环元素 s〇，…，Vi，a表示Social Graph中的某个用 户u与另一个用户之间的相似度值，b表示Hi story Records中物品I的一个用户评分，a，b e R，根据~，? = 2? +?分别计算二元组（《，# )，其中，0 < i <p，i为自然数； (2.2.2) 5_艮据&的二进制表示~_"*1^，利用不经意传输协议从1^5中得到1^;3糾十 p P 算X = I ，RBS端计算yz-fsi，以此将自己的数据完成安全的封装，得到关于相 1^:0 似度值得分X，以及关于评分记录得分y; (3) 以加法和形式秘密共享数据，并完成物品的推荐得分计算:SN和RBS分别持有向量X ={% ,?，…，和Υ=ΙΤι ,3?，…，知}，其中，表示客户％相对于目标用 m 户u对物品I；的评分，以此类推，计算出物品4的评分，其总和A = Σι + h，并且将所有 j==0 物品的评分总和以上述加法和的形式秘密共享； (4) 比较获得推荐结果：以SN的向量X和RBS的向量Y为输入，SN和RBS利用Garbled Circuits合作实现安全的比较，RBS得到针对当前推荐用户而言的前k个得分最高的推荐结 果，即得到了 k个对推荐用户而言最佳的推荐结果。
[0008] 在本发明一个较佳实施例中，步骤(2)中的所述不经意传输协议通过简化不经意 传输协议系统计算矣0和w(m;, i)矣0的项。
[0009] 在本发明一个较佳实施例中，在步骤(4)比较获得推荐结果的具体步骤包括:任意 挑选用户a未曾访问过的物品?作为初始值，R B S和S N合作执行安全比较电路G a r b 1 e d Circuits，将馮与所有得分进行比较;两方根据大小比较结果，交换相应位置的得分S，最 终使得所有比岑小的物品都排在馮后面，比馮大的物品都排在馮前面，每一轮比较结束后， 记录物品?当前位置i?iac ;如果当前位置?β?βτ等于fc，则返回当前位置前的物品相应id (Wf?，1:-?，并将其推荐给用户；如果当前位置大于fc，则从开始位置到当前位 置重复执行以上步骤，直到当前位置等于fc;如果当前位置小于Jt，则从当前位置到最 后位置重复执行以上步骤，直到当前位置等于。
[0010]本发明的有益效果是：本发明基于不经意传输的社会化推荐方法具有安全性极 高、适应性极强等优点，在基于不经意传输的社会化推荐方法的普及上有着广泛的市场前 景。
【附图说明】
[0011]为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使 用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于 本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它 的附图，其中： 图1是本发明基于不经意传输的社会化推荐方法一较佳实施例的第一阶段的基于不经 意传输协议加密机制计算物品推荐得分的结构示意图； 图2是本发明基于不经意传输的社会化推荐方法一较佳实施例的第二阶段的基于不经 意传输协议加密机制的加法和秘密共享方式的结构示意图； 图3是本发明基于不经意传输的社会化推荐方法一较佳实施例的第三阶段的基于 Garbled Circuits的安全的top k选择的结构示意图； 图4是本发明基于不经意传输的社会化推荐方法一较佳实施例的用户历史行为数据的 示意图； 图5是本发明基于不经意传输的社会化推荐方法一较佳实施例的社交网络拓扑图。
【具体实施方式】
[0012] 下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施 例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通 技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范 围。
[0013] 请参阅图1-5,本发明实施例包括： 一种基于不经意传输的社会化推荐方法，包括:社交网络服务提供商和电子商务提供 商作为参与方，其中所述社交网络服务提供商记为SN、所述电子商务提供商记为RBS，SN端 持有所有用户的社交网络