随着信息技术和互联网的发展,人们逐渐从信息匮乏的时代走入了信息过载的时代。在这个时代,无论是信息消费者还是信息生产者都遇到了很大的挑战。信息消费者需要从大量信息中找到自己感兴趣的信息,而信息生产者需要让自己的信息脱颖而出,受到关注。个性化推荐系统就是解决这一矛盾的工具,它为不同的用户提供不同的推荐,以满足用户的个性化需求。协同过滤推荐技术是个性化推荐技术中最成功和应用最广泛的技术,它通过计算用户间的相似性来挑选目标用户的最近邻居集合,然后通过最近邻居集合的评分来预测目标用户对未评分项目的评分,从而产生推荐。由于用户评分矩阵极端稀疏等原因,协同过滤推荐技术仍然有很大的改进空间。本文从提高协同过滤算法的安全性与推荐精度出发,做了以下两点工作。首先,针对跨系统协同过滤推荐中用户信息安全问题,提出一个安全计算模型。模型基于安全多方计算理论,使用轻量级分组密码算法LBlock加密第三方提供的数据,并用RSA密码系统管理密钥。以该模型为安全基础,结合随机扰乱技术,提出一种跨系统协同过滤推荐算法,其相似度计算方法可有效防止不良商家伪造商品评分信息。安全矢量积的引入使得第三方与系统无法进行非法串通。实验证明,算法在防止用户信息泄露给协同推荐系统的同时,计算用户相似度更加精确,预测误差也有所降低。然后,提出了一种基于惊喜度的协同过滤改进算法,算法考虑了项目对于用户的惊喜值、奖励了优质项目的贡献、惩罚了流行项目的比重,对用户的相似度计算公式进行了改进,以期生成更加合理的邻居用户集,充分权衡了推荐惊喜度与推荐准确度,根据评分预测公式进行预测,最终产生可以使用户更加惊喜满意的推荐,并提出一种对推荐项目惊喜度的评估方法,证明改进的算法可以产生惊喜度更高的推荐。