随着推荐系统的普及与发展,群组推荐逐渐成为推荐领域的一个研究热点。群组推荐系统需要收集大量的用户历史数据进行推荐,然而这些数据中可能包含用户敏感信息,存在泄漏用户隐私的风险。此外,由于群组推荐系统独有的群组用户通信和偏好共享特性,该过程可能存在泄漏用户隐私的风险。因此,如何在实现群组推荐以及用户偏好共享和用户通信过程中,保证用户隐私不被泄露成为面向群组推荐的隐私保护研究难题。针对以上问题,本文对面向群组推荐的隐私保护方法进行了深入的研究,主要工作如下:首先,针对现有的群组推荐系统未能很好地满足用户个性化的隐私保护需求,提出一种面向群组推荐的基于可信客户端的个性化隐私保护框架,并基于此框架提出群组敏感偏好隐私保护方法。该方法在可信客户端收集群组内用户的历史数据以及隐私偏好需求,针对具有隐私保护需求的用户,利用用户敏感主题相似性发现群组内相似用户,通过对前k个用户进行随机化的协同扰动,实现群组内用户的个性化隐私保护。仿真对比实验表明本文提出的个性化隐私保护方法能够满足不同用户的隐私需求,具有更好的性能。其次,针对群组推荐系统中用户在偏好共享和用户通信的过程存在泄漏用户隐私的可能,提出一种面向群组用户安全通信的隐私保护方法。该方法使用群组内用户节点作为缓冲节点,缓冲节点在满足k-匿名条件时进行通信数据的扰动,实现对用户隐私的保护。仿真对比实验表明本文提出的面向群组用户通信的隐私保护方法能够在实现群组用户数据共享的同时,保证群组用户的隐私不会由于发布数据的增多而遭到泄露。最后,基于上述的理论和方法,本文构建了面向群组推荐的用户隐私保护原型系统并给出了一个应用示范。原型系统根据群组发现、用户通信和偏好共享、群组推荐和用户隐私保护等功能需求进行分析和设计,应用示范根据传统的软件开发流程来实现,验证了本文提出方法和理论的可行性,展现了面向群组推荐的用户隐私保护方法在实际组团旅游场景下的应用效果。