一种融合差分隐私的随机游走算法

如今的信息化时代,用户之间的社交网络信息越发详细,发布这些网络数据经常会威胁到一些个人隐私.而推荐算法中,根据用户物品之间的二分图关系,进行随机游走推荐,能更可靠地推荐目标用户可能选择的物品.由于随机游走复杂度过高,一般将图转化成转移矩阵进行计算,但是游走时无法保证该目标用户以及其他用户的隐私信息.在隐私得不到保护的前提下,用户个人利益会受到威胁,也容易导致丢失用户的后果.对此,需要在发布图之前处理好数据,尽量保证数据的隐私性.而差分隐私能够在数学定义上很好地保证用户的隐私,由此在随机游走算法(PersonalRank)的基础上,对转移矩阵通过拉普拉斯机制加噪,随机游走计算之后,再以指数机制输出推荐结果,保证了用户的信息隐私.