计算机应用研究

作者：王斌,王畅,吕灵慧,刘毓涛,张磊,

单位：1.佳木斯大学信息电子技术学院a.黑龙江省自主智能与信息处理重点实验室;b.佳木斯市卫星导航技术与装备工程技术重点实验室,黑龙江佳木斯154007；2.佳木斯大学科技处,黑龙江佳木斯154007；

关键词：隐私保护,推荐系统,差分隐私,加密技术,联邦学习,k-匿名,

基金：智能与信息安全研发团队资助项目(2023-KYYWF-0639)；佳木斯大学国家基金培育项目(JMSUGPZR2022-014)；佳木斯大学博士启动基金资助项目(JMSUBZ2022-12)；黑龙江省省属本科高校优秀青年教师基础研究支持计划资助项目(YQJH2024239)；黑龙江省自然科学基金联合基金培育项目(PL2024F002)；；

随着互联网和移动技术迅速发展，数据采集与处理能力显著提升，推荐系统能够深入挖掘用户行为特征，提供更为精准的个性化服务，改善用户体验。然而，海量数据的持续累积和推荐系统的广泛应用也带来了严峻的隐私泄露风险；在保障隐私的同时实现高效推荐，已成为当前研究的重点。旨在梳理推荐系统中隐私保护方法的技术演进，聚焦推荐流程中的关键环节所面临的风险，分析现有方法的设计原理与应用特点，并结合实际应用中使用的评估指标，从隐私保护强度与推荐效能两个维度比较不同方案的表现。进一步总结各类方法的优势与不足，提出优化方向并探讨未来研究的可能路径，以期为隐私保护机制在推荐系统中的深入应用提供理论依据与实践参考。

来源：2025年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第12期