Resumen

Las actividades grupales en las redes sociales están aumentando rápidamente con el desarrollo de dispositivos móviles y terminales de IoT, creando una gran demanda de recomendaciones grupales. Sin embargo, los sistemas de recomendación de grupos se enfrentan a un importante problema de filtración de privacidad en los datos históricos y preferencias de los usuarios. Las soluciones existentes siempre prestan atención a proteger los datos históricos pero ignoran la privacidad de las preferencias. En este documento, diseñamos un esquema de recomendación grupal que preserva la privacidad, compuesto por un algoritmo de recomendación personalizada y un algoritmo de agregación de preferencias. Con la introducción cuidadosa de la privacidad diferencial local (LDP, por sus siglas en inglés), nuestro algoritmo de recomendación personalizada puede proteger los datos históricos de los usuarios en cada grupo específico. También proponemos un algoritmo de Agregación de Preferencias que Preserva la Privacidad de Transferencia Intra-grupo (IntPPA, por sus siglas en inglés). IntPPA protege la preferencia personal de cada mi

• Materias:Redes de radio Sistemas de información Comunicaciones inalámbricas Cifrado de bloques
• Subjects:Radio Networks Information systems Wireless communications Block ciphers
• Palabras claves:Actividades en grupo; Redes sociales; Recomendación de grupo; Fuga de privacidad; Privacidad diferencial; Agregación de preferencias
• Keywords:Group activities; Social networks; Group recommendation; Privacy leakage; Differential privacy; Preference aggregation