推荐系统中的安全问题

《A NOVEL PRIVACY-PRESERVED RECOMMENDER SYSTEM FRAMEWORK BASED ON FEDERATED LEARNING》论文阅读笔记

推荐系统：解决信息过载的问题。RS需要收集用户个性化信息和行为，从而得到用户的喜好。
存在问题：集中收集的数据对隐私敏感，任何泄漏都可能给用户和服务提供商带来严重问题。
推荐系统中的隐私威胁：
（1）内部威胁：好奇或者不诚实的服务提供者；
（2）外部威胁：黑客攻击。
隐私泄露的案例：
（1）2015年5月，eBay遭到黑客攻击，导致1.45亿个用户帐户被泄露，包括用户名、地址、出生数据和帐户密码；
（2）2018年3月，Facebook泄露了数千万用户的个人信息。
本文：提出一个隐私保护推荐系统框架（PPRSF），使用联邦学习，在不集中用户隐私数据的情况下，进行训练和推断。不仅能够降低隐私泄露的风险，而且可以应用各种推荐算法。
中心跨设备FL：一个中心服务器和多个终端设备。允许每一个成员在本地根据自己的环境训练模型，在中心服务器聚合本地模型参数，最终将得到的全局模型返回给各个成员。

基础知识：
联邦学习（FL）：在保证数据安全和用户隐私的前提下，将孤立的数据连接起来，从而为训练准确、健壮的机器学习模型提供了可能。是一个学习框架，拥有不同数据的多个参与者（移动设备、组织）协作完成特定的机器学习任务。

使用联邦学习解决推荐系统中的隐私泄露问题相关推荐

基于联邦学习的推荐系统综述
基于联邦学习的推荐系统综述参考文献基于联邦学习的推荐系统综述 Federated Recommendation Systems Journal-CN-SSI-22-Survey-Slides (作 ...
字节跳动联邦学习平台通过中国信通院首批评估数据安全能力得到专业验证
近日,中国信息通信研究院(以下简称"中国信通院")公布了安全评估结果,字节跳动Fedlearner联邦学习平台(以下简称"字节跳动Fedlearner")成为顺 ...
「构建企业级推荐系统系列」深度学习在推荐系统中的应用
点击上方"数据与智能","星标或置顶公众号" 第一时间获取好内容作者 | gongyouliu 编辑 | auroral-L 2016年DeepMind开发的 ...
深度学习在推荐系统中的应用
作者丨gongyouliu 编辑丨zandy 这是作者的第20篇文章,约2.4万字,阅读需180分钟 2016年DeepMind开发的AlphaGo在围棋对决中战胜了韩国九段选手李世石,一时成为轰动全 ...
联邦学习（FL）+差分隐私（DP）
联邦学习(FL)+差分隐私(DP) 文章首发在我的博客!在这里在这里在这里在这里在这里!!!!!! 防止梯度信息被泄露的方法有很多,目前主要有两种: 1.基于安全多方计算的这个里面包含的方法很多,包 ...
【深度学习推荐系统-王喆】笔记系列 3 浪潮之巅——深度学习在推荐系统中的应用
第 3 章浪潮之巅 -- 深度学习在推荐系统中的应用概述与传统机器学习模型相比,深度学习模型的优势 1.表达能力更强能够挖掘出更多数据中潜藏的模式 2.结构非常灵活能够根据业务场景和数据特点 ...
推荐系统 (三): 浪潮之巅 -- 深度学习在推荐系统中的应用
目录深度学习推荐模型的演化关系图 AutoRec -- 单隐层神经网络推荐模型 AutoRec 模型的基本原理 AutoRec 模型的结构基于 AutoRec 模型的推荐过程 U-AutoRec ...
国内android应用商城中程序隐私泄露分析,基于数据流分析的Android应用隐私泄露检测研究...
摘要: 随着技术的进步,智能手机给人们的生活带来了极大的便利.据统计,搭载Android智能系统的手机现如今已经占据了 81%的手机市场份额,这也正让安卓系统成为了攻击者窃取用户隐私数据的一个重要目标 ...
联邦学习本身+机器视觉中深度学习所面临的对抗攻击
目录联邦学习本身对抗攻击中的一些术语: 现有攻击方法(实验室) 针对分类阶段 Box-constrained L-BFGS Fast Gradient Sign Method (FGSM) Bas ...

使用联邦学习解决推荐系统中的隐私泄露问题

《A NOVEL PRIVACY-PRESERVED RECOMMENDER SYSTEM FRAMEWORK BASED ON FEDERATED LEARNING》论文阅读笔记

使用联邦学习解决推荐系统中的隐私泄露问题相关推荐

最新文章

热门文章