刘曙曙，刘安，赵雷，刘冠峰，李直旭，郑凯，周晓方

(1.苏州大学 计算机科学与技术学院，江苏 苏州 215000；2.江苏省软件新技术与产业化协同创新中心，江苏 南京 211102)

1 引言

推荐系统是一系列通过对用户或其购买行为进行分析，从而自动为用户推荐其可能感兴趣的信息和商品的算法集合。协同过滤算法出现以来就受到了广泛关注，但随之而来的“冷启动”问题却制约了该算法的进一步使用。为解决这一问题，研究学者们提出了基于邻域的社会化推荐方法[1,2]，该方法指出，将基于社交网络拓扑图得到的用户关系引入到推荐系统中，可以有效解决协同过滤计算过程中由于新用户缺少历史行为数据而带来的“冷启动”问题。基于邻域的社会化推荐算法得到普遍关注，同时，大量最新的研究也表明，该算法明显优于传统推荐算法。

尽管推荐系统能够帮助人们在海量数据中高效快速过滤掉大量无关信息，但是，这一过程带来的信息泄露却值得人们担忧。在传统的推荐系统中，用户的历史行为数据，如购物记录、对于电影或物品的评分记录等，都必须作为数据上传到推荐系统服务器。一旦这些信息发生泄漏，攻击者便可以基于以上信息，迅速推测出用户的年龄、性别、身体状况等个人隐私信息，由此而引发的一些问题可能会对用户的生命财产造成威胁。

为了防止传统推荐系统中由于用户历史行为数据泄露而带来的担忧，研究学者们提出了一系列解决方案。……