個性化搜索中隱私保護的問題研究.pdf

1、傳統(tǒng)搜索技術一方面能夠提供給用戶豐富的信息，但另一方面也給用戶帶來大量的噪聲和冗余的數(shù)據(jù)，使用戶難以分辨出自己感興趣的信息。為了滿足互聯(lián)網(wǎng)用戶的個性化需求，給用戶帶來更貼心和智能的上網(wǎng)體驗，應運而生了個性化搜索技術，該技術能夠提供給用戶個性化的搜索結果，但它的實現(xiàn)需要搜集和使用用戶個人信息，存在泄露用戶隱私的威脅，因此如何采用更有效的技術手段來保護個性化搜索中用戶隱私的安全是目前研究的熱點。本文以此為動機，展開對個性化搜索中隱私保護的問

2、題研究。本論文的主要研究內(nèi)容如下：
　　 (1)綜述了個性化搜索技術、隱私保護技術和個性化搜索中隱私保護技術的研究現(xiàn)狀，指出個性化搜索中需要進一步解決和研究的問題，即用戶隱私泄露問題；研究了傳統(tǒng)向量空間模型的基本概念和理論基礎，分析了TF-IDF(TermFrequencyandInverseDocumentFrequency)權重算法的思想。
　　 (2)闡述了安全多方計算的概念以及常用的幾個安全多方計算基礎協(xié)議，對安

3、全點積協(xié)議進行了詳細地分析，討論了安全多方計算的安全性定義和安全性需求，分別闡述了半誠實模型下的安全兩方和多方計算的定義。
　　 (3)針對傳統(tǒng)向量空間模型采用TF-IDF權重算法在向量化網(wǎng)絡文檔方面的不足，提出了一種改進的向量空間模型。該模型利用UCL(UniformContentLocator)技術，分析網(wǎng)絡文本內(nèi)容的語義，抽取UCL語義格，進行語義層次分析后，每個特征項均獲得語義格加權權重，同時結合TF-IDF權重算法，對

4、文檔向量化。該改進模型同時考慮了特征項的語義格加權權重和特征項本身的加權權重，能夠更真實的表達文本內(nèi)容信息。
　　 (4)針對個性化搜索結果排序過程中，在服務器端使用用戶描述文件容易造成用戶隱私泄露的問題，提出了一種基于改進的向量空間模型的安全點積相似度計算算法。該算法在本文提出的改進的向量空間模型的基礎上，又引入了安全點積計算方法。改進的向量空間模型使原始搜索結果轉變?yōu)楦苷鎸嵄磉_其內(nèi)容的空間向量，并且根據(jù)安全點積計算自身具有