伪装变分图自编码器

推荐与隐私兼得

一种在跨域推荐中同时建模用户行为并抵御属性推理攻击的新型推荐模型，通过伪装用户属性信息实现隐私保护与推荐准确率的平衡。

Yudi, Xiong · Yongxin, Guo · 潘微科 · Yang, Qiang · 明仲 · Xiaojin, Zhang · Yu, Han · Lin, Tao · 唐晓莹

IEEE Transactions on Knowledge and Data Engineering 2025

参数信息

性别属性推断准确率

0.8323

年龄属性推断准确率

0.3897

最佳性别推断准确率

0.8847

最佳年龄推断准确率

0.4634

技术优势

不再泄露属性

在知识迁移时融合伪装信息，攻击者难以从用户偏好中推断出性别或年龄等属性。

精度几乎不降

实验显示，在三个真实数据集上均能实现强隐私保护，而推荐精度损失很小。

应用场景

• 跨域推荐系统：在跨域迁移时嵌入属性保护，防止用户隐私泄露。
• 隐私保护推荐：同时保证推荐精度与抵御属性推理攻击。
• 信息安全：量化属性泄露风险，为隐私评估提供基准。