论文部分内容阅读
作为提供个性化位置服务的一种重要手段,高速、高效的位置感知推荐服务成为当前研究的热点.涉及多方参与的传统推荐流程存在着用户私密信息复制、盗取等安全威胁,给用户的隐私保护带来了新的挑战,尤其是当服务提供者将数据外包给第三方云平台时,隐私泄露问题会更加凸显.然而,现有的解决方案均存在推荐质量低、响应速度慢的问题.为解决上述问题,提出了一种轻量级的位置感知推荐系统隐私保护框架.利用该框架,服务提供者将随机处理后的历史评价信息外包给云平台,并通过安全协议在云平台的辅助下进行相似度信息的安全计算;同时,推荐用户利用