公开(公告)号：CN118332596A

公开(公告)日：2024-07-12

申请号：CN202410492605.0

申请日：2024-04-23

Applicant: 重庆邮电大学

Inventor： 王永 ,  陈美玲 ,  邓江洲 ,  陈钱宏 ,  杜晓春 ,  刘汉洋 ,  李博

IPC: G06F21/62 ,  H04L9/08 ,  G06F16/9535 ,  G06F16/2457

Abstract: 本发明涉及一种基于秘密共享的分布式差分隐私矩阵分解推荐方法，属于计算机推荐系统领域和信息安全领域。该方法具体包括：将用户的隐式反馈数据转化成数值为0或1的隐式反馈矩阵；每个用户先进行本地预训练；在每次迭代的开始，推荐服务器将更新过的项目隐因子矩阵H分发给各个用户；每个用户u在本地保存并训练用户隐因子向量wu，计算梯度#imgabs0#对#imgabs1#进行裁剪和扰动，然后执行加法秘密共享算法Shr，每个用户将自己持有的所有份额上传到推荐服务器；推荐服务器聚合从用户收集到的所有Ev得到#imgabs2#最后推荐服务器使用#imgabs3#更新项目隐因子矩阵H；在迭代完成后，推荐服务器将最终的项目隐因子矩阵交付给每个用户，用户u在其设备上计算预测值#imgabs4#(u,j)∈R‑，最后将top‑K的项目推荐给用户u。本发明具有良好的隐私保护性和模型准确性。

公开(公告)号：CN118656543A

公开(公告)日：2024-09-17

申请号：CN202410798059.3

申请日：2024-06-20

Applicant: 重庆邮电大学

Inventor： 王永 ,  刘汉洋 ,  邓江洲 ,  李博 ,  杜晓春 ,  陈钱宏 ,  陈美玲

IPC: G06F16/9535 ,  G06F17/16

Abstract: 本发明涉及一种基于差分隐私的因果推断矩阵分解推荐方法，属于计算机推荐系统领域和信息安全领域。该方法具体包括：将用户的隐式反馈数据转化成数值为0或1的隐式反馈矩阵；构造目标函数L，基于因果推断下的推荐算法对矩阵Pint、Pcon和矩阵Qint、Qcon求解,存储用户隐因子矩阵Pint和Pcon；将求得的用户隐因子矩阵Qint、Qcon,重新进行随机初始化再代入目标函数L中将目标函数改写为L(Qint|D)和L(Qcon|D)，得到关于项目隐因子矩阵Qint、Qcon的目标函数，使用梯度下降法对隐因子矩阵Qint、Qcon求解，考虑每一个项目隐因子梯度#imgabs0#和#imgabs1#根据不同的隐私预算使用少量Laplace噪声对梯度进行扰动；对目标函数L(Qint|D)和L(Qcon|D)进行梯度下降，得到矩阵#imgabs2#本发明具有良好的隐私保护性和模型准确性。

公开(公告)号：CN117195287A

公开(公告)日：2023-12-08

申请号：CN202311128065.X

申请日：2023-09-01

Applicant: 重庆邮电大学

Inventor： 王永 ,  罗陈红 ,  邓江洲 ,  杨久裕 ,  李博 ,  刘汉洋 ,  王霞

IPC: G06F21/62 ,  G06F21/71 ,  G06F16/9536

Abstract: 本发明涉及一种基于目标扰动的本地化差分隐私矩阵分解推荐方法，属于计算机推荐系统领域和信息安全领域。该方法具体包括：服务器随机初始化项目隐因子矩阵 和噪声矩阵并向所有用户发送V和H；用户i(i＝1,2,…,n)构建损失函数L(ui,V)，利用SGD算法优化L(ui,V)得到ui并将ui保存在用户本地，将得到的ui带入L(ui,V)，得到用户i关于V的损失函数 每个用户i无放回地选择需要上传的梯度行列索引pi并发送给服务器，服务器计算位置统计矩阵Loc并向所有用户发送Loc；用户i接收Loc并计算基于目标扰动的梯度将 发送给服务器，服务器聚合用户的 并更新V，将更新后的V分发给各个用户。本发明具有良好的隐私保护性和模型准确性。

公开(公告)号：CN116541606A

公开(公告)日：2023-08-04

申请号：CN202310627915.4

申请日：2023-05-30

Applicant: 重庆邮电大学

Inventor： 王永 ,  刘汉洋 ,  罗陈红 ,  邓江洲 ,  杨久裕 ,  李博 ,  叶建梅

IPC: G06F16/9535 ,  G06F16/9536 ,  G06F21/62 ,  G06F17/16

Abstract: 本发明涉及一种基于差分隐私的贝叶斯个性化矩阵分解推荐方法，属于计算机推荐系统领域和信息安全领域。该方法具体包括：将用户的隐式反馈数据转化成数值为0或1的隐式反馈矩阵；构造目标函数L(W,H)，基于贝叶斯个性化排序下的推荐算法对矩阵W和矩阵H求解,存储用户隐因子矩阵W；将求得的用户隐因子矩阵W,与项目矩阵再代入目标函数L(W,H)中将目标函数改写为使用梯度下降法对隐因子矩阵求解，考虑每一个项目隐因子梯度使用少量Laplace噪声对梯度进行扰动；对目标函数L(H|D)进行梯度下降，得到矩阵本发明具有良好的隐私保护性和模型准确性。

公开(公告)号：CN115720140A

公开(公告)日：2023-02-28

申请号：CN202211355224.5

申请日：2022-11-01

Applicant: 重庆邮电大学

Inventor： 王永 ,  刘金源 ,  王锟 ,  王淞立 ,  李博 ,  刘汉洋 ,  曾亚轩

IPC: H04L9/08 ,  H04L9/00 ,  G06V40/50 ,  G06V40/16 ,  G06V10/75 ,  G06V10/74 ,  G06F21/62 ,  G06F21/60

Abstract: 本发明提出一种安全的人脸特征模板生成方法，涉及信息安全领域。本发明提供了一种使特征模板具有不可逆、可撤销、可链接和性能保持特性的模板生成方法，生成的特征模板能有效抵御常见的针对特征模板的攻击，可以有效保护个人的人脸信息不被泄露。该方法的其特征是：(1)使用两组不同的密钥分别驱动混沌系统产生两组不同的伪随机数序列，用于置乱生物特征和构造局部敏感哈希函数；(2)将用户安全密钥编码后使用纠错码技术存储，在查询阶段可以恢复，不需要再次输入，使得查询更为便捷；(3)提出的RNLSH哈希方法使用随机数序列构造哈希函数，使得函数构造更为灵活多样，使用RNLSH生成的特征模板不能被逆向破解。