[发明专利]基于同态加密的矩阵分解推荐方法

摘要

本发明公开一种基于同态加密的矩阵分解推荐方法，采用同态加密算法，在用户计算梯度传输到服务器进行数据聚合之前，进行加密传输，在数据发送到服务器上后，由于每个用户的梯度是经过加密的，服务器无法根据梯度推断用户信息；针对在梯度下降矩阵分解的计算时需要进行多次迭代，用户端计算压力大且传输数据通信量大的问题，本发明采用小批量梯度方法与随机投影降维相结合的方法，在降低计算量和数据通信量的同时，保证了数据效用性。

主权项

1.基于同态加密的矩阵分解推荐方法，其特征是，包括步骤如下：步骤1、服务器使用符合正态分布的随机变量生成项目特征矩阵，并将该项目特征矩阵发送给每个用户，作为初始的项目特征矩阵V⁰；同时，每个用户使用符合正态分布的随机变量生成每个用户的特征，作为初始的用户特征u_i⁰；步骤2、令迭代次数t＝1；步骤3、每个用户基于上一迭代的项目特征矩阵V^t‑1和上一迭代的用户特征u_i^t‑1，计算该用户的用户特征梯度和该用户关于各个项目的项目特征梯度；步骤4、每个用户生成一个随机明文，并使用统一的加密函数对该随机明文加密后形成随机密文，发送到服务器；步骤5、服务器随机选取2个用户所发送来的随机密文进行相加后，形成噪声密文，并将该噪声密文的正值发送给这2个用中的其中一个用户，而将该噪声密文的负值发送给这2个用中的另一个用户；步骤6、用户收到服务器发送回来的噪声密文的正值或负值，并对其进行解密后形成噪声，并利用该噪声对该用户关于敏感项目的项目特征梯度进行加噪；步骤7、服务器使用符合高斯分布的随机变量生成随机矩阵，并将发送给每个用户；步骤8、每个用户利用服务器发来的随机矩阵对所有项目特征梯度进行降维后，发送到服务器进行聚合，求得所有降维后的项目特征梯度的项目梯度均值；步骤9、服务器将项目梯度均值发送给每个用户，每个用户利用随机矩阵的逆矩阵将项目梯度均值恢复到原始的维度后，并据此得到当前迭代的项目特征矩阵V^t和当前迭代的用户特征u_i^t；步骤10、每个用户计算当前迭代的项目特征矩阵V^t和当前迭代的用户特征u_i^t的内积所对应的损失函数，并发送给服务器；步骤11、服务器判断所有用户损失函数之和是否小于预设损失值或迭代次数是否达到预设迭代次数；如果满足，则迭代终止，此时每个用户计算该用户的预测评分矩阵M_i，并将评分矩阵M_i中选出k个最高的预测评分所对应的项目推荐给该用户；其中k为设定值；否则，迭代次数t+1，并返回步骤3，继续迭代。