基于隱私大數據的網絡信息防泄漏推薦算法

黃 衛，江官星

(南昌航空大學科技學院，江西 共青城 332020)

1 引言

網絡大數據日益增多，用戶在海量數據中很難挖掘出所需數據[1]，且由于數據庫信息較多，搜索引擎得出的結果也較多，用戶無法從中快速提取出所需目標數據，得出的結果僅能根據相關內容信息量完成排序，而不能根據用戶真實的興趣點提供相應內容[2]。同時部分用戶在查找信息過程中不知如何描述關鍵詞，無法得出理想數據，因此提出數據推薦算法。根據用戶的歷史信息以及關鍵詞等信息預測出用戶興趣點并以此搜索相關信息向用戶推薦，推薦算法的應用大大提高了工作效率，也進一步發展數據挖掘技術，大數據在網絡化以及透明化的同時也對用戶的信息產生威脅，即在向用戶推薦信息的同時，用戶的隱私數據可能暴露給不法分子，即為目前網絡數據推薦算法需要優化的問題，現對網絡信息防泄漏[3]推薦算法展開研究。

李家華[4]等人利用大數據設計出信息個性化算法，運用Map將推薦目標進行分解，得出結果后利用Reduce進行結合處理，其次在用戶偏好獲取算法下對用戶興趣點進行挖掘，實現網絡信息的推薦。胡敏[5]等人首先獲取用戶的大量歷史數據，并從不同角度收集用戶的隱式行為特征，根據特征有效性過濾掉不可用的特征，進而建立出用戶的潛在興趣點模型，最終基于特征相關性原理建立出興趣點特征函數，實現網絡信息的推薦。以上兩種算法沒有提前對隱私數據進行變換和保護處理，不僅不能保證數據的穩定性，同時提高推薦算法的復雜度，導致其計算效率低下，準確度降低，存在算法性能低的問題。……