| * | # |
|---|---|
| 链接 | link. |
| 题目 | Integrating Blockchain With Artificial Intelligence for Privacy-Preserving Recommender Systems |
| 关键词 | 隐式投票、协同过滤、区块链、 |
核心点
一、文章主要解决的问题及解决方案：
1）待解决的问题
推荐以两种方式生成：基于内容的筛选和协作筛选。在协同过滤中，通过确定用户历史记录与其他用户兴趣之间的相互关系来生成预测列表[6]。另一方面，在基于内容的筛选中探讨了项目和用户配置文件的描述。在这里，用户配置文件是根据用户的历史记录和用户的评级 [7] 构建的。
为了使用协同过滤[7]做出最佳建议，[8]公司存储其客户的个人数据。因此，容易出现用户私人数据泄露事件[9]。
2）文章的主要工作
我们设计了一个名为Private-Rec的框架，这是一个以用户为中心的推荐系统，利用协作过滤。数据收集和存储的整个过程由我们的平台完成，而无需与公司共享数据。在我们提议的Private-Rec中，没有实体能够访问用户数据，并且建议计算以安全的方式执行。因此，这些公司将没有任何机会访问用户数据。每当我们的平台使用用户数据时，数据共享的交易记录都存储在区块链上。我们平台的用户在使用其数据时将获得平台的奖励。区块链确保没有用户数据用于计算推荐而没有激励措施。
在本文中，我们的贡献如下：
我们提出了Private-Rec，这是一种基于AI的隐私保护推荐系统，可确保用户数据隐私。
我们利用区块链来存储数据交易，使公司承担责任。
Private-Rec保证问责制，诚信，假名和隐私。通过将所有数据存储在负责任的数据云中，已经解决了数据隐私问题，我们的平台使用加密功能来确保隐私。
引入了基于集群的激励机制。将共享数据以生成建议的用户将获得一些积分作为奖励。这些点以后可以在平台中使用。
引入了三种算法进行处理：来宾用户的请求发送机制、推荐生成机制、加入请求管理和激励机制。该平台已经在不同的推荐系统中进行了评估。
二、文章内容
投票技术
显式投票-用户对特定项目进行喜好评级。
隐式投票-将记录用户在系统中的操作以生成建议（记录用户数据有隐私问题）
算法：
基于内存的算法 √