[发明专利]一种视频推荐系统中的隐私保护方法和视频推荐方法

说明书

本发明公开了一种视频推荐系统中的隐私保护方法和视频推荐方法，该隐私保护方法基于信息匿名化和差分隐私，实现了在视频推荐过程中对用户个人隐私的保护。每个请求视频推荐的用户需要生成一张用户信息表，同时在多个用户中随机选取一个用户作为用户代理，用户代理将收集到的每位用户匿名化后的信息表组合成一张推荐表，用户代理在将推荐表进行差分隐私处理后发送给服务器端，服务器端用推荐算法进行视频推荐后，将推荐结果返回给用户代理，最后用户代理将推荐结果发送给各个用户。该方法在不改变云端推荐算法的前提下解决了传统推荐算法难以实现对用户个人隐私进行有效保护的问题，同时提供了高质量的视频推荐服务。

技术领域

本发明涉及网络与信息安全技术领域，具体涉及一种视频推荐系统中的隐私保护方法和基于差分隐私的视频推荐方法。

背景技术

随着互联网的快速发展，越来越多的人喜欢在互联网上浏览和发布各种视频信息，而最新的调查显示视频信息约占了整个互联网流量的76％，而且这个比例还在不断提高。用户在YouTobe、爱奇艺、腾讯视频等视频网站浏览视频的同时也产生了大量历史信息，而视频网站通过推荐系统来挖掘这些历史信息对用户进行视频推荐服务的方式，不但提高了服务质量也增加了经济效益。

另一方面，随着用户隐私意识的不断提高，越来越多的用户对推荐系统泄露自己隐私的行为表示担忧，据相关调查显示68％的用户认为现在法律不足以保护其隐私，并要求更严格的隐私法；86％的互联网用户曾经采取主动措施来消除或掩盖其历史记录。

针对推荐服务和用户隐私之间日益紧张的现象，寻求一种既能保证高质量的推荐服务又能保护用户隐私的推荐方法是十分有意义的。

在传统的视频推荐算法(如协同过滤等)中可信的云服务器通过收集所有用户的数据来执行个性化推荐服务，而保护用户隐私的方式大多基于匿名化措施。然而实际中云服务器由于利益的牵涉，片面的认为云服务器是可信任的这一观点往往是不切实际的，而且在将用户数据上传到云服务器端的过程中为了避免中间人攻击等威胁，往往需要通过加密等措施来保障数据的传输安全，这无疑又会增加整个推荐过程中的开销。

为了解决以上问题，文献[Y.Shen and H.Jin.EpicRec:Towards PracticalDifferentially Private Framework for Personalized Recommendation.In CSS,pages 180-191,2016.]中提出了一种在用户端对用户数据进行差分隐私处理的视频推荐系统，较好的解决了视频推荐服务和隐私保护的冲突问题。该系统的主要算法是：对请求视频推荐服务的用户，取其最近浏览的历史视频记录，将每个视频按类别进行聚类，同时根据用户对每个类别设置的关心级别，对聚类结果添加不同量级的服从拉普拉斯分布的噪声，以上过程均在用户端完成，最后用户端将扰动后的聚类信息发送给云服务器来获得推荐服务。

虽然现有的推荐方案中由于采用了差分隐私保护的策略使得安全性方面得到了较大的提高，但是由于在单个用户端添加噪声，不知道所有用户数据的整体分布情况，导致与直接在云服务段添加噪声的方式相比用户数据的有用性损失较大，难以保证高质量的视频推荐服务。

发明内容

本发明的目的在于提供一种视频推荐系统中的隐私保护方法，以解决现有推荐系统中的隐私保护问题。

本发明的目的还在于提供一种基于差分隐私的视频推荐方法，以对视频推荐过程中的用户隐私进行保护。