CASIA OpenIR  > 学术期刊  > 自动化学报
基于隐私保护的联邦推荐算法综述
张洪磊; 李浥东; 邬俊; 陈乃月; 董海荣
Source Publication自动化学报
ISSN0254-4156
2022
Volume48Issue:9Pages:2142-2163
Abstract推荐系统通过集中式的存储与训练用户对物品的海量行为信息以及内容特征,旨在为用户提供个性化的信息服务与决策支持.然而,海量数据背后存在大量的用户个人信息以及敏感数据,因此如何在保证用户隐私与数据安全的前提下分析用户行为模式成为了近年来研究的热点.联邦学习作为新兴的隐私保护范式,能够协调多个参与方通过模型参数或者梯度等信息共同学习无损的全局共享模型,同时保证所有的原始数据保存在用户的终端设备,较之于传统的集中式存储与训练模式,实现了从根源上保护用户隐私的目的,因此得到了众多推荐系统领域研究学者们的广泛关注.基于此,对近年来基于联邦学习范式的隐私保护推荐算法进行全面综述、系统分类与深度分析.具体的,首先综述经典的推荐算法以及所面临的问题,然后介绍基于隐私保护的推荐系统与目前存在的挑战,随后从多个维度综述结合联邦学习技术的推荐算法,最后对该方向做出系统性的总结并对未来研究方向与发展趋势进行展望.
Keyword推荐系统 联邦学习 隐私保护 协同过滤
DOI10.16383/j.aas.c211189
Citation statistics
Document Type期刊论文
Identifierhttp://ir.ia.ac.cn/handle/173211/56276
Collection学术期刊_自动化学报
Recommended Citation
GB/T 7714
张洪磊,李浥东,邬俊,等. 基于隐私保护的联邦推荐算法综述[J]. 自动化学报,2022,48(9):2142-2163.
APA 张洪磊,李浥东,邬俊,陈乃月,&董海荣.(2022).基于隐私保护的联邦推荐算法综述.自动化学报,48(9),2142-2163.
MLA 张洪磊,et al."基于隐私保护的联邦推荐算法综述".自动化学报 48.9(2022):2142-2163.
Files in This Item: Download All
File Name/Size DocType Version Access License
AAS-CN-2021-1189.pdf(2697KB)期刊论文出版稿开放获取CC BY-NC-SAView Download
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[张洪磊]'s Articles
[李浥东]'s Articles
[邬俊]'s Articles
Baidu academic
Similar articles in Baidu academic
[张洪磊]'s Articles
[李浥东]'s Articles
[邬俊]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[张洪磊]'s Articles
[李浥东]'s Articles
[邬俊]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: AAS-CN-2021-1189.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.