面向位置感知推薦系統(tǒng)的隱私保護(hù)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于信息安全領(lǐng)域，涉及一種隱私保護(hù)方法，可用于云計(jì)算環(huán)境下數(shù)據(jù)外 包系統(tǒng)中的隱私保護(hù)。
【背景技術(shù)】
[0002] 隨著城市計(jì)算和GPS設(shè)備的快速發(fā)展，基于位置的服務(wù)LBS已經(jīng)廣泛應(yīng)用在人們的 日常生活中，為我們的生活提供了更多的便利。例如，F(xiàn)oursquare允許推薦用戶檢索自己感 興趣的位置點(diǎn)POI，并允許推薦用戶在離開時對所獲得的服務(wù)進(jìn)行評價。然而，隨著各種各 樣的服務(wù)的出現(xiàn)，大量的LBS服務(wù)充斥在我們的生活當(dāng)中，因此，如何快速高效、準(zhǔn)確的獲取 我們想要的服務(wù)成為推薦用戶亟需解決的問題。推薦系統(tǒng)的出現(xiàn)正是對如上所述問題的完 美解決。推薦系統(tǒng)可以根據(jù)推薦用戶的喜好以及推薦用戶的評價信息進(jìn)行推薦預(yù)測，并將 預(yù)測結(jié)果反饋給服務(wù)請求者。然而，與傳統(tǒng)的推薦系統(tǒng)相比，基于位置感知的推薦系統(tǒng)不僅 要考慮推薦用戶的評價信息，還要考慮推薦用戶的時空位置信息。因此，基于位置感知的推 薦系統(tǒng)能夠?yàn)橥扑]用戶提供指定區(qū)域內(nèi)的推薦服務(wù)。
[0003] 目前，推薦系統(tǒng)主要的挑戰(zhàn)在于如何在大量的位置點(diǎn)中實(shí)現(xiàn)安全高效地為推薦用 戶進(jìn)行推薦。然而，傳統(tǒng)的推薦技術(shù)無法直接應(yīng)用于LBS服務(wù)的推薦，原因主要有如下兩點(diǎn)： 首先，由于時空位置數(shù)據(jù)是多樣性的并且是快速變化的，傳統(tǒng)的推薦系統(tǒng)需要消耗大量的 資源來存儲和計(jì)算這些數(shù)據(jù)，因此，大量的LBS服務(wù)提供者開始借助云計(jì)算服務(wù)來實(shí)現(xiàn)數(shù)據(jù) 的存儲和計(jì)算。通過將推薦用戶數(shù)據(jù)和推薦計(jì)算迀移到云計(jì)算平臺，服務(wù)提供者可以在保 證推薦質(zhì)量的前提下大大降低自身資源的消耗。例如，Netflix在2015年8月份關(guān)閉了其自 身擁有的最后一個數(shù)據(jù)中心，將所有的數(shù)據(jù)迀移到亞馬遜云計(jì)算平臺進(jìn)行存儲。然而，將數(shù) 據(jù)迀移到第三方云計(jì)算平臺又將帶來其他的隱私保護(hù)問題。由于推薦用戶提交的數(shù)據(jù)和推 薦結(jié)果包含許多隱私信息，例如，位置信息，偏好信息等，云計(jì)算平臺服務(wù)器可以通過這些 信息推斷哪個推薦用戶什么時間位于哪個位置。因此，云計(jì)算平臺可能會跟蹤某些推薦用 戶或者將推薦用戶的偏好信息發(fā)送給其他攻擊者。如果服務(wù)提供商不能很好的保護(hù)推薦 用戶的隱私信息，推薦用戶可能會因擔(dān)心泄露隱私而拒絕使用服務(wù)提供商提供的推薦服 務(wù)，所以，隱私保護(hù)問題是阻礙推薦系統(tǒng)服務(wù)發(fā)展的另一個重大因素。
[0004] 鑒于以上因素，保護(hù)推薦用戶的隱私是基于位置感知推薦系統(tǒng)發(fā)展的關(guān)鍵。然而， 數(shù)據(jù)的保護(hù)不僅僅只包括推薦用戶的隱私信息，還包括服務(wù)提供商收集到的推薦用戶歷史 數(shù)據(jù)信息。服務(wù)提供商作為一家商業(yè)公司，其收集到的數(shù)據(jù)可以認(rèn)為是其私有資產(chǎn)，不能無 償?shù)膶ν夤_，因此，當(dāng)服務(wù)提供商將其擁有的數(shù)據(jù)發(fā)送到云計(jì)算平臺時，必須對數(shù)據(jù)處理 后再上傳，使得云計(jì)算平臺無法獲得其原始信息。
[0005] 現(xiàn)有的推薦服務(wù)隱私保護(hù)，如："用于推薦服務(wù)的隱私保護(hù)系統(tǒng)的架構(gòu)"專利申請 (【申請?zhí)枴?01380031170.X)和"基于關(guān)聯(lián)規(guī)則滿足推薦用戶隱私保護(hù)的個性化推薦方法及 系統(tǒng)"（【申請?zhí)枴?01410283430.9))大都采用匿名機(jī)制或者差分隱私機(jī)制，因此，這些系統(tǒng)在 保護(hù)推薦用戶隱私的同時也會帶來一定的信息損失，從而降低了推薦服務(wù)質(zhì)量。
[0006] 在半可信的云計(jì)算環(huán)境中進(jìn)行數(shù)據(jù)外包，其安全性必然是系統(tǒng)設(shè)計(jì)實(shí)現(xiàn)的關(guān)鍵， 同時，如何在保證安全性的前提下，能夠?yàn)橥扑]用戶提供高質(zhì)量的推薦服務(wù)也是位置感知 推薦系統(tǒng)設(shè)計(jì)的關(guān)鍵所在。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明要解決的技術(shù)問題是針對位置感知推薦系統(tǒng)中的隱私問題，提出一種面向 位置感知推薦系統(tǒng)的隱私保護(hù)方法，以保證推薦用戶隱私安全和推薦用戶信息的正確性， 提高推薦服務(wù)質(zhì)量。
[0008] 本發(fā)明的技術(shù)思路是:針對位置關(guān)聯(lián)數(shù)據(jù)的多樣性以及動態(tài)變化性，提出推薦系 統(tǒng)服務(wù)提供商將推薦用戶的歷史數(shù)據(jù)存儲在云端，服務(wù)提供商只需要定期收集推薦用戶的 歷史數(shù)據(jù)，并在加密后上傳給第三方云計(jì)算平臺；針對數(shù)據(jù)外包后的安全問題以及推薦用 戶的隱私問題，提出基于密碼學(xué)理論的隱私保護(hù)機(jī)制，使得服務(wù)提供商在保證推薦用戶隱 私安全的前提下為推薦用戶提供推薦服務(wù)。其實(shí)現(xiàn)方案如下：
[0009] 面向位置感知推薦系統(tǒng)的隱私保護(hù)方法，其特征在于將密碼學(xué)理論以及數(shù)據(jù)外包 計(jì)算理論應(yīng)用到推薦系統(tǒng)中，其步驟包括：
[0010] (1)服務(wù)提供者對推薦用戶位置點(diǎn)的屬性信息進(jìn)行擴(kuò)展，并對擴(kuò)展后的屬性信息 進(jìn)行加密，再將加密后的信息發(fā)送給云計(jì)算平臺進(jìn)行存儲；
[0011] (2)服務(wù)提供者定期收集推薦用戶的歷史評價信息，并對收集到的歷史評價信息 利用Pai 11 ier加密算法加密后發(fā)送給云計(jì)算平臺；
[0012] (3)云計(jì)算平臺收到服務(wù)提供者發(fā)送的歷史評價信息后，將其整合到已經(jīng)存儲在 云端的數(shù)據(jù)集中，再對該數(shù)據(jù)集進(jìn)行聚合運(yùn)算，并將聚合結(jié)果發(fā)回給服務(wù)提供者；
[0013] (4)服務(wù)提供者解密聚合結(jié)果并計(jì)算各個位置點(diǎn)之間的相似度，再對相似度矩陣 進(jìn)行轉(zhuǎn)化后，發(fā)送給云計(jì)算平臺進(jìn)行存儲；
[0014] (5)推薦用戶直接向云計(jì)算平臺發(fā)送用可比較加密算法加密后的感興趣區(qū)域，云 計(jì)算平臺收到數(shù)據(jù)后，利用可比較加密算法篩選出滿足推薦用戶感興趣區(qū)域內(nèi)的位置點(diǎn)；
[0015] (6)云計(jì)算平臺再對篩選出位置點(diǎn)的屬性信息用可交換加密算法加密，得到雙層 加密的結(jié)果，同時，提取該推薦用戶的歷史評價信息和對應(yīng)的相似度信息，并進(jìn)行聚合運(yùn) 算，再將雙層加密的結(jié)果和聚合結(jié)果發(fā)送給服務(wù)提供者；
[0016] (7)服務(wù)提供者收到云計(jì)算平臺發(fā)送的雙層加密的結(jié)果后，對其用可交換解密算 法解密內(nèi)層加密，得到推薦用戶密鑰加密的屬性信息，同時，對云計(jì)算平臺的聚合結(jié)果用 Paillier算法解密并進(jìn)行計(jì)算，得到預(yù)測信息，并將該屬性信息和預(yù)測信息發(fā)送給推薦用 戶；
[0017] ⑶推薦用戶對收到的屬性信息用可交換解密算法解密，得到屬性信息明文，同時 對收到的預(yù)測信息進(jìn)行計(jì)算，得到預(yù)測評價信息明文，依次選擇預(yù)測評價信息最高的k個位 置點(diǎn)，并根據(jù)其屬性信息在推薦用戶感興趣區(qū)域上顯示這k個位置點(diǎn)。
[0018] 本發(fā)明具有如下優(yōu)點(diǎn)：
[0019] 1.服務(wù)提供者用Paillier算法加密歷史評價信息，使得推薦用戶的歷史評價信息 在云計(jì)算平臺上以密文形式計(jì)算，保證了云計(jì)算平臺上歷史評價信息的安全性。
[0020] 2.服務(wù)提供者用可交換加密算法對位置點(diǎn)的屬性信息加密，用可比較加密算法對 擴(kuò)展出的屬性信息加密，使得位置點(diǎn)的屬性信息在云計(jì)算平臺上以密文形式計(jì)算，保證了 云計(jì)算平臺上位置點(diǎn)的屬性信息的安全性。
[0021] 3.推薦用戶用可比較加密算法對其感興趣的區(qū)域加密，云計(jì)算平臺用可交換加密 算法對位置點(diǎn)屬性信息加密，使得推薦用戶的位置信息和預(yù)測推薦結(jié)果以密文的形式在服 務(wù)提供者和云計(jì)算平臺上進(jìn)行計(jì)算，保證了預(yù)測推薦結(jié)果在服務(wù)提供者和云計(jì)算平臺上的 數(shù)據(jù)安全。
[0022]綜上，本發(fā)明保證了推薦用戶的隱私數(shù)據(jù)及服務(wù)提供商的私有數(shù)據(jù)的安全，實(shí)現(xiàn) 了面向位置感知推薦系統(tǒng)的隱私保護(hù)。
【附圖說明】
[0023] 圖1是本發(fā)明使用的位置感知推薦系統(tǒng)模型圖；
[0024] 圖2是本發(fā)明的實(shí)現(xiàn)流程圖；
[0025] 圖3是本發(fā)明中計(jì)算相似度過程中歷史評價信息聚合的示意圖；
[0026] 圖4是本發(fā)明的推薦質(zhì)量仿真評估圖。
【具體實(shí)施方式】
[0027] 以下結(jié)合附圖對本發(fā)明進(jìn)行詳細(xì)描述：
[0028] 參照圖1，本發(fā)明使用的一個具有隱私保護(hù)功能的位置感知推薦系統(tǒng)服務(wù)模型，由 可信中心、服務(wù)提供者、云計(jì)算平臺以及推薦用戶構(gòu)成。可信中心主要負(fù)責(zé)生成密鑰，并為 推薦用戶和服務(wù)提供者分配密鑰，在該系統(tǒng)中，可信中心是唯一完全可信的實(shí)體;服務(wù)提供 者主要為推薦用戶提供推薦服務(wù)，服務(wù)提供者會定期收集推薦用戶的歷史評價信息，并將 收集到的信息發(fā)送給云計(jì)算平臺存儲，在該系統(tǒng)中，服務(wù)提供者具有有限的存儲資源和計(jì) 算資源，因此，其會將收集到的信息外包給云計(jì)算平臺進(jìn)行存儲和處理，同時，服務(wù)提供者 是半可信的，其能夠?yàn)橥扑]用戶正確地計(jì)算推薦結(jié)果，但也會"偷窺"推薦用戶的隱私;云計(jì) 算平臺是系統(tǒng)中主要的存儲和計(jì)算中心，擁有無限的存儲和計(jì)算能力，主要負(fù)責(zé)安全存儲 服務(wù)提供者上傳的信息，并輔助服務(wù)提供者為推薦用戶進(jìn)行推薦計(jì)算，在該系統(tǒng)中，云計(jì)算 平臺也是半可信的，其能夠正確的幫助其他推薦用戶處理數(shù)據(jù)，但是也對服務(wù)提供者的源 數(shù)據(jù)和推薦用戶的隱私信息感興趣。
[0029] 本發(fā)明基于圖1系統(tǒng)隱私保護(hù)分為兩個階