[发明专利]个性化搜索中基于信任的隐私保持的协同过滤推荐方法

说明书

技术领域

本发明涉及个性化搜索中基于信任的隐私保持的协同过滤推荐方法，基本思想是：首先目标用户与协同过滤推荐系统之间通过自动信任协商，建立目标用户对协同过滤推荐系统的执行行为的信任度T_cf；目标用户将根据信任度T_cf来判定个人信息泄露的程度，协同过滤推荐系统收集目标用户提供的个人信息并对用户聚类得到一个初始的与目标用户兴趣相似的用户集合；最后目标用户从中选择信任度不低于T_cf的相似用户作为推荐对象。基于信任的隐私保持的协同过滤推荐方法能够弥补现有的协同过滤推荐方法在个人信息的搜集建模过程中缺乏隐私保护的缺陷，实现了目标用户对自身个人信息的披露程度的控制，为用户隐私数据提供全面的保护。属于计算机网络领域。 

背景技术

Web已成为人们获取信息的一个重要途径，由于Web信息的日益增长，人们不得不花费大量的时间去搜索、浏览自己需要的信息。搜索引擎(search engine)是最普遍的辅助人们检索信息的工具，比如传统的搜索引擎AltaVista，Yahoo和新一代的搜索引擎Google等。信息检索技术满足了人们一定的需要，但由于其通用的性质，仍不能满足不同背景、不同目的和不同时期的查询请求。基于协同过滤的推荐系统就是针对这个问题而提出来的，它为不同用户提供不同的服务，以满足不同的需求。协同过滤是根据用户的相似性来推荐资源。它对用户所描述的文件进行比较，并将用户聚类，根据相似用户来推荐资源，所以能为用户推荐出新的感兴趣的内容，实现主动推荐的目的。协同过滤推荐技术是个性化服务发展中最成功且应用最广泛的推荐技术之一。 

然而在这一片繁荣的背后，一个巨大的威胁开始逐渐地浮现出来。互联网的迅速发展使全球网民人数持续爆炸式增长，研究机构Forrester Research公布的最新报告显示，2013年之前，全球网民人数有望实现45％以上的高增长。预计到2013年全球网民人数将达到22亿，其中亚洲网民的比例将高达43％，成为最主要的增长地区。这众多的互联网用户中有许多人每天都会遭遇到各种类型的隐私侵犯。人们在使用便捷的搜索服务时不免开始担心，自己的个人隐私究竟是否还处在安全地带。由于基于协同过滤的推荐系统必须要搜集用户的个人信息，从而能够为不同用户提供符合其个人兴趣偏好的搜索结果。在这一过程中涉及到对用户个人信息的搜集建模、传输使用和存取等操作，不可避免地引发了用户隐私的安全问题。例如网络传输导致的信息泄露，遭遇黑客攻击导致的数据泄露，访问控制策略失误导致的数据泄露等。个人隐私往往包含具有重要价值的信息，如果这些信息被他人获得，有可能会造成个人 名誉损失、精神损失或经济损失，有鉴于此隐私成为个人希望保密的信息。而更为重要的是，在这些与用户相关的信息中，除了个人隐私之外，还有可能涉及到国防和政府的机密信息，对国家安全造成不可估量的威胁，例如泄露我国目前战略研究的方向、军事技术研究的进展等等。 

出于隐私考虑，许多用户不愿意提供个人信息，这极大妨碍了协同过滤推荐系统的普及和应用。因此，如何让用户提供推荐系统使用的必要信息且不泄露用户的个人隐私成为协同过滤推荐系统发展中迫切需要解决的主要问题。现有的基于协同过滤的推荐系统是基于用户之间有相似爱好，计算其间的相似度，来为目标用户选取兴趣相似的邻居，并由其为目标用户推荐产品。用户隐私在协同过滤推荐系统中的生命周期包含三个阶段：搜索建模、传输使用以及访问存取。搜索建模阶段被认为是隐私保护方案的众中之重，在这一阶段，推荐系统需要收集用户的个人信息并通过建模对用户聚类从而找到相似用户为目标用户推荐出新的感兴趣的内容。如果在这一环节就出现个人信息和隐私的泄漏，那么即使其他环节的安全性在高也无法从根本上保证隐私信息的安全。 

目前的研究现状表明目标用户总是假设所使用的协同过滤系统是可信的，然而事实是现有的协同过滤推荐系统缺乏对个人信息和隐私的保护，推荐系统显式地或者不显式地向用户告知，在搜索过程中个人信息将被搜集和利用，但是用户无法控制推荐系统搜集自己的何种信息以及搜集到何种程度，以及将如何通过建模选取兴趣相似的邻居来为其推荐产品。因此用户的个人隐私在用户个人信息的收集并建模过程中无法得到充分的安全保障。尤其当目标用户和推荐系统不在同一个安全域时，常规的访问控制方法(如MAC，RBAC等)不能有效地对两者的行为进行控制。 

为此迫切需要设计出一个新型的隐私保持的协同过滤推荐方法，在个人信息的搜集建模阶段提供个性化隐私保护手段。 

发明内容