推荐系统有效解决了信息过载问题,但推荐过程中用户隐私泄露已经引起大量的关注。为了提供高质量的推荐服务,用户的隐私往往被不信任的推荐系统所获取。同时,恶意的攻击也常常利用推荐结果试图推测出用户的隐私数据。本文研究隐私保护的推荐系统的相关技术和方法,并实现了推荐系统——PPS-POI-Rec以解决推荐过程中用户隐私数据保护问题,具体内容包括以下几方面:(1)提出隐私保护的社会化推荐算法。此算法建立在成熟的密码学模块上,包括Paillier加密机制和Yao协议,为算法建立安全基础。分析了算法的复杂度和安全性。在真实的应用中验证了算法的性能。(2)提出基于差分隐私与随机干扰技术的混合算法。通过理论分析可知,随机干扰技术添加的噪声对推荐结果的影响有限,并且差分隐私产生的噪声能够通过对敏感度的分析进行控制。通过在三个真实数据集上的实验,验证了混合算法在提供较高的隐私保护的同时,推荐结果损失率在可接受范围之内。(3)以隐私保护的社会化推荐算法为核心实现PPS-POI-Rec系统。本系统以手机端应用为展示方式演示了在POI推荐过程中的隐私保护过程。进一步验证和展示了本系统的使用意义和价值。本文对推荐系统中隐私保护的方法进行了深入的研究,并通过PPS-POI-Rec系统初步展示了隐私保护的POI推荐,具有一定的实用价值。