[发明专利]基于位置服务的分布式差分隐私推荐方法

权利要求书

1.基于位置服务的分布式差分隐私推荐方法，其特征在于，包括以下步骤：

步骤S11、构成分布式推荐系统架构对历史评分数据和位置隐私信息进行隐私保护；

步骤S12、所构成的分布式推荐系统架构使用云计算服务模式，把用户的评分信息采用分布式保护处理后存储在各个云端的推荐服务器中；

步骤S13、添加噪声，实现差分隐私保护；

步骤S14、通过Gen，Der，Enc和Cmp四个函数实现保序加密；

步骤S15、用户端执行无约束的随机切片算法；

步骤S16、用户端执行具有约束的等级随机切片算法；

步骤S17、将分片评分发送给各个分布式推荐服务器，第二阶段执行用户的推荐请求；

步骤S18、执行输入扰动随机梯度下降算法，得到添加了隐私保护的用户和项目潜在特征向量矩阵P_k^m×f和Q_k^n×f；

步骤S19、位置服务器端隐私保护模型，实现位置请求服务的隐私保护。

2.根据权利要求1所述的基于位置服务的分布式差分隐私推荐方法，其特征在于：所述步骤S11中，分布式推荐系统架构主要基于奇异值分解方法构建，模型如公式1：

其中Test表示用户u对项目i的评价集合的训练集，p_u和q_i表示用户和项目的潜在因子特征值向量，表示Frobenius范式，Ψ表示模板函数。

3.根据权利要求1或2所述的基于位置服务的分布式差分隐私推荐方法，其特征在于：所述步骤S12中,分布式推荐系统架构运行流程包括：

1)首先用户u_i对消费后的推荐项目poi_j进行评分r_ij，然后执行随机切片算法，将评分根据分布式推荐服务器的个数分成K份并在每份数据上添加基于差分隐私的干扰噪声发送给每个推荐服务器；

2)分布式推荐服务器k收到评分分片数据后，根据公式1中的目标函数定期执行梯度下降算法，更新用户和项目的潜在因子特征值向量和采用公式2：

3)当用户u_i请求兴趣点推荐服务时，通过智能终端定位获取自己的地理坐标(x_i,y_i)，然后根据用户的请求范围需求，设置自己的地址请求区间(x_i-Δx_i1,x_i+Δx_i2)，(y_i-Δy_i1,y_i+Δy_i2)发送给位置服务器，位置服务器通过与推荐项目的地理位置匹配，筛选出符合用户请求需求的推荐项目，并向分布式推荐服务器发送评分预测请求；

4)分布式推荐服务器收到位置服务器的请求后，通过用户和项目潜在因子特征值向量计算预测评分，采用公式3：

每个分布式推荐服务器将自己的分片预测评分发送给用户，用户计算

4.根据权利要求3所述的基于位置服务的分布式差分隐私推荐方法，其特征在于：所述步骤S14中,函数表达如下：

Gen函数：给定一个安全参数k和范围参数n，k∈N且n∈N，通过输入k和n，Gen输出一个加密参数param和主密钥mkey，其中：(param,mkey)＝Gen(k,n)；

Enc函数：给定参数param和主密钥mkey，输入明文num，该函数可以输出密文ciph，ciph＝Enc(param,mkey,num)；

Der函数：给定参数param和主密钥mkey，输入明文num，该函数可以生成令牌token，token＝Der(param,mkey,num)；

Cmp函数：给定参数param，两个密文ciph和ciph′以及令牌token，该函数可以输出{-1,0,1}，Cmp(param,ciph,ciph′,token)∈{-1,0,1}；

给定密文ciph＝Enc(param,mkey,num)和ciph′＝Enc(param,mkey,num′)，则可以通过Cmp函数实现秘密比较；