有把我困惑理清的大神,虽然很微薄但可以请一杯奶茶!
导师给的这个方向,想自己先探索探索,但查一堆资料但依旧一头雾水,故来求助。
目前想构建一个带有隐私保护的比较简单的电影推荐系统,有俩条思路。
第一条:
用矩阵分解算法,利用用户数据即对电影的评分进行训练,然后传输过程用同态加密,或者差分隐私,但是有一点搞不明白,就是推荐系统收集用户评分数据后,虽然训练推荐的过程是加密了,但是数据好像要放在数据库的话,也用加密方法加密吗?就比如历史评分,最终不是要返回到客户端吗
第二条:
有点像联邦学习好像,就是觉得用户数据放在服务端也是不安全或者说加解密耗时费力,就直接放在缓存在客户端本地,然后本地也有模型,传参数给服务器的模型进行训练,服务器再给客户端更新参数。
现在的问题就是,不知道第二条思路,会不会难度较大,而第一条思路中,总感觉有点问题,比如你把一个用户的电影评分数据作为隐私的话,按照隐私计算的角度来讲应该是,服务端无法知道客户端做了什么操作才对吗?但是你的评分数据依旧存储在服务端感觉很危险吗?总之就是有点乱吧,还有个问题就是,比如矩阵分解,模型是可以直接用吗,还是需要先用数据跑一个模型,然后再用呢?
导师给的这个方向,想自己先探索探索,但查一堆资料但依旧一头雾水,故来求助。
目前想构建一个带有隐私保护的比较简单的电影推荐系统,有俩条思路。
第一条:
用矩阵分解算法,利用用户数据即对电影的评分进行训练,然后传输过程用同态加密,或者差分隐私,但是有一点搞不明白,就是推荐系统收集用户评分数据后,虽然训练推荐的过程是加密了,但是数据好像要放在数据库的话,也用加密方法加密吗?就比如历史评分,最终不是要返回到客户端吗
第二条:
有点像联邦学习好像,就是觉得用户数据放在服务端也是不安全或者说加解密耗时费力,就直接放在缓存在客户端本地,然后本地也有模型,传参数给服务器的模型进行训练,服务器再给客户端更新参数。
现在的问题就是,不知道第二条思路,会不会难度较大,而第一条思路中,总感觉有点问题,比如你把一个用户的电影评分数据作为隐私的话,按照隐私计算的角度来讲应该是,服务端无法知道客户端做了什么操作才对吗?但是你的评分数据依旧存储在服务端感觉很危险吗?总之就是有点乱吧,还有个问题就是,比如矩阵分解,模型是可以直接用吗,还是需要先用数据跑一个模型,然后再用呢?