[发明专利]一种隐私保护的大数据推荐方法及系统

说明书

本发明公开了一种隐私保护的大数据推荐方法及系统，其中，该方法包括以下步骤：获取用户行为数据，在大数据处理端对用户行为数据进行匿名化处理；对匿名化处理后的用户行为数据的属性进行统计，建立统计属性行为表，该表的每一项属性表示用户的一项个人信息，并将每一项属性的统计结果，转换为一个枚举值；查找相似用户行为，根据两个用户行为数据的枚举值，计算两个用户行为的相似度，比较相似度数值与相应阈值，根据比较结果生成推荐信息。本发明可以保护用户的隐私，且不需要加密，方便快捷，计算量小，容易实现。

技术领域

本发明涉及大数据安全领域，尤其涉及一种隐私保护的大数据推荐算法及系统。

背景技术

在互联网、社交网络、电子商务中大量存在个性化查找和推荐服务。例如，社交网络中，往往需要查找两个或多个社交个体的共同好友，例如“你们的共同好友是？”，但是，社交网络中的被服务个体可能不希望透露自己的具体好友信息（或真实的好友信息，如姓名等）给社交网络进行查找，因此，社交网络需要在不知道具体好友信息的情况下查找共同好友的信息。

同样，在电子商务中，购物网站通常具有推荐功能，这通常建立在查找共同购物商品的基础上完成，例如，“购买了该商品的人还购买了？”，将多个购物者购买的商品中的共同商品作为推荐商品给其他购买了相似商品的购物者，但是，购物者可能不希望透露自己真实的商品购买信息（如商品名称等）。

因此，在社交网络、电子商务等互联网领域，服务器端数据的聚集最终将可以形成大数据，这些大数据是一种值得利用的资源，可以通过开放共享给社会加以利用。同时，服务器端在对这些大数据进行查找和推荐时，也需要考虑到要保护用户的隐私，因此，有可能在服务器端不知道具体信息的情况下，即在保护隐私的情况下完成查找和推荐服务。

目前互联网的查找和推荐仍然忽视了这一隐私保护问题，即使有些方法使用了散列函数的方法，但是由于计算量较大，不适合在大数据环境中使用。针对上述缺陷，本发明提出一种隐私保护的大数据推荐方法，该方法使得服务器端可以在保护用户的隐私情况下完成查找和推荐服务，对任何第三方可开放大数据进行后续利用，并且计算量小，从而解决了前面提到的缺陷。

发明内容

本发明要解决的技术问题在于针对现有技术中大数据技术中查找和推荐方法不能保护用户隐私的缺陷，提供一种既可以保护隐私，也不必加密，方便快捷，计算量小，容易实现的隐私保护的大数据推荐方法及系统。

本发明解决其技术问题所采用的技术方案是：

本发明提供一种隐私保护的大数据推荐方法，包括以下步骤：

S1、获取用户行为数据，在大数据处理端对用户行为数据进行匿名化处理；

S2、对匿名化处理后的用户行为数据的属性进行统计，建立统计属性行为表，该表的每一项属性表示用户的一项个人信息，并将每一项属性的统计结果，转换为一个枚举值；

S3、查找相似用户行为，根据两个用户行为数据的枚举值，计算两个用户行为的相似度，比较相似度数值与相应阈值，根据比较结果生成推荐信息。

步骤S2中将用户行为数据转换为枚举值的过程具体包括：

对匿名化处理后的用户行为数据的属性进行统计，建立统计属性行为表，其中，该属性行为表包括性别、年龄、职业、消费水平/收入水平、学历和关注品类；

不同的性别、年龄段、职业、消费水平/收入水平、学历和关注品类，用不同的枚举值表示。

步骤S2中的属性枚举值为二进制表示的归一化离散枚举值。

步骤S1中匿名化处理方法具体包括：删除用户行为数据中的隐私敏感字段并替换隐私敏感字段。

步骤S3中相似度的计算方法具体包括：