[发明专利]一种基于属性感知的隐私保护方法及系统

说明书

本发明公开了一种基于属性感知的隐私保护方法，利用属性感知密钥中心生成同态加密密钥发送给用户和候选对象管理中心；请求属性感知密钥中心利用同态加密密钥对用户属性集进行同态加密；候选对象管理中心利用属性加密公钥、相似性度量阈值和候选对象属性集对候选对象进行加密；属性感知密钥中心利用同态加密密钥解密获取相似性度量并返回给同态计算推荐器；经同态计算推荐器判断，如果相似性度量高于相似性度量阈值则将经过同态加密的候选物品推荐给用户。本方法可保证推荐系统在实现推荐过程中无法获取有关用户或者候选对象属性的任何信息，从而保证用户和候选对象的隐私。

技术领域

本发明属于计算机网络技术领域，具体涉及一种基于属性感知的隐私保护方法及系统。

背景技术

随着互联网规模的快速扩张，网络承载的信息量正以前所未有的速度迅速增长。而过量的信息使得用户无法在有限的时间内获取有效的内容，进而使得信息的使用效率大大降低。推荐系统作为一种信息过滤方法，是解决当前信息超载的最有效手段之一。相比传统的搜索系统，推荐系统重点研究用户的偏好模型并基于用户知识进行个性化的计算。更重要的是推荐系统主导着用户的内容获取，即根据用户的个性引导用户发现需要的内容。久而久之，推荐系统可以有效建立与用户长期的、稳定的关系，提高了用户的忠诚度。因此推荐系统许多主流的门户网站、电商平台、搜索引擎当中具有广泛的应用。

推荐系统的经典模型告诉我们，推荐必然依赖于用户偏好的获取。然而当今主流的推荐系统并没有考虑到，用户希望在有限时间内高效地获取有效信息的同时并不喜欢自己的信息被公之于众。一方面缺乏保护用户隐私的承诺会使得绝大多数互联网应用的使用体验大打折扣，于是不仅无法建立与用户的长期稳定关系，反而会降低用户黏性；另一方面一旦用户的偏好被钓鱼网站、诈骗团伙恶意利用，那么将很有可能造成对用户人身或财产的危害。因此隐私保护正成为新的推荐系统设工作中新的需求。

发明内容

本发明的目的在于克服现有技术中的不足，提出了一种基于属性感知的隐私保护方法及系统，解决了现有技术中推荐系统不能提供可靠的用户隐私保护机制。

为解决上述技术问题，本发明提供了一种基于属性感知的隐私保护方法，其特征是，包括以下过程：

步骤1：属性感知密钥中心生成同态加密密钥hsk，将同态加密密钥hsk发送给用户和候选对象管理中心；

步骤2：属性感知密钥中心根据系统属性集U产生属性加密公钥param，将属性加密公钥param发送给候选对象管理中心；

步骤3：属性感知密钥中心根据某个用户user的用户属性集S_user产生对应的属性加密私钥sk_user，将其交给用户user保存；

步骤4：用户user利用同态加密密钥hsk对用户属性集S_user进行同态加密，生成经过同态加密的用户属性集E_hsk(S_user)，然后将E_hsk(S_user)提交给用户属性管理中心；

步骤5：候选对象管理中心对候选对象属性集S_item进行同态加密得到经过同态加密的候选对象属性集E_hsk(S_item)，然后将经过同态加密的候选对象属性集E_hsk(S_item)发送给同态计算推荐器；

步骤6：候选对象管理中心利用属性加密公钥param、相似性度量阈值k和候选对象属性集S_item对候选对象item进行属性加密然后将经过属性加密的候选对象提交给同态计算推荐器；

步骤7：同态计算推荐器向用户属性管理中心请求获取经过同态加密的用户属性集E_hsk(S_user)；