博士學位論文答辯公示
答辯博士：郭桃林
指導教師：羅軍舟 教授/博導
論文題目：面向協同過濾推薦的差分隐私保護技術研究
答辯委員會：
廖曉峰 教授/博導 重慶大學 (主席)
陶先平 教授/博導 南京大學
肖甫 教授/博導 南京郵電大學
倪巍偉 教授/博導 bet356手机版唯一官网
楊明 教 授/博導 bet356手机版唯一官网
答辯秘書：董恺 副教授/碩導 bet356手机版唯一官网
答辯時間：2020年3月18日16：00
答辯地點：https://zoom.com.cn/j/288808794
歡迎各位老師同學參加！
學位論文摘要：
協同過濾是目前最常用的推薦技術，其能夠為用戶提供個性化的推薦服務，從而有效緩解信息過載問題。然而，協同過濾需要用戶上傳個人曆史數據，存在隐私洩露風險。即使通過傳統的匿名技術對用戶數據進行模糊處理，攻擊者仍可通過去匿名等攻擊手段推斷用戶的隐私。差分隐私是對于隐私的嚴格定義，能夠對用戶隐私提供保證。因此，設計面向協同過濾推薦的差分隐私機制已成為當前的研究熱點。
現有研究工作從隐私保護機制的部署方式角度，可以劃分為服務器端保護、用戶端保護以及用戶端-服務器端協作保護三類。上述三類工作分别存在各自的共性問題：在服務器端保護方面，現有研究假設用戶之間相互獨立，而當用戶關系對推薦結果産生影響時，需要對關系數據添加大量噪聲，從而嚴重降低推薦準确性；在用戶端保護方面，現有研究主要根據内容相似性對用戶偏好内容進行幹擾，沒有考慮内容發布前後攻擊者先驗知識和後驗知識的變化，故而易受推斷攻擊；在用戶端-服務器端協作保護方面，現有研究僅僅将用戶端保護與服務器端保護進行簡單結合，在用戶端和服務器端分别對用戶數據及中間結果進行重複幹擾，從而嚴重影響推薦結果的準确性。
針對上述問題，本文分别對三種部署方式展開研究工作。首先，在服務器端保護方面，提出基于圖鍊接分析的服務器端保護技術，對推薦場景及隐私信息定義的約束條件進行修正，在此基礎上證明推薦功能函數的單調性，并提出添加噪聲的優化方法，從而提升推薦準确性。其次，在用戶端保護方面，提出基于貝葉斯理論的用戶端保護技術，通過差分隐私對攻擊者先驗知識及後驗知識的差進行約束，防止推斷攻擊；此外，在保證用戶功能需求的基礎上，通過非線性規劃方法，最大化隐私保護程度。最後，在用戶端-服務器端協作保護方面，提出基于本地差分隐私的用戶端-服務器端協作保護技術，一方面通過随機響應技術在用戶端對用戶數據進行幹擾，使其滿足差分隐私的定義，另一方面通過無偏估計方法在服務器端對原始數據的統計特征及關聯特征進行恢複，并将恢複結果用于推薦，從而提升推薦準确性。在上述理論研究的基礎上，論文設計并開發了一套面向協同過濾推薦的差分隐私保護原型系統，并在真實的飯否應用中進行部署和測試。
論文針對協同過濾推薦中的用戶隐私保護問題，從服務器端保護、用戶端保護以及用戶端-服務器端協作保護三個方面進行了深入研究。與現有的研究工作相比，論文所提出的隐私保護技術能夠在保證用戶隐私的前提下，提供更高的推薦準确性，從而能夠更好地對隐私與功能進行權衡，這對協同過濾應用推廣與用戶隐私保護研究具有重要意義。