...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Services Computing, IEEE Transactions on >Enabling Probabilistic Differential Privacy Protection for Location Recommendations
【24h】

Enabling Probabilistic Differential Privacy Protection for Location Recommendations

机译：为位置建议提供概率差异隐私保护

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The sequential pattern in the human movement is one of the most important aspects for location recommendations in geosocial networks. Existing location recommenders have to access users' raw check-in data to mine their sequential patterns that raises serious location privacy breaches. In this paper, we propose a new Privacy-preserving LOcation REcommendation framework (PLORE) to address this privacy challenge. First, we employ the nth-order additive Markov chain to exploit users' sequential patterns for location recommendations. Further, we contrive the probabilistic differential privacy mechanism to reach a good trade-off between high recommendation accuracy and strict location privacy protection. Finally, we conduct extensive experiments to evaluate the performance of PLORE using three large-scale real-world data sets. Extensive experimental results show that PLORE provides efficient and highly accurate location recommendations, and guarantees strict privacy protection for user check-in data in geosocial networks.
机译：人类运动中的顺序模式是地理社会网络中位置建议的最重要方面之一。现有的位置推荐人必须访问用户的原始登记数据，以挖掘它们的顺序模式，以提高严重的位置隐私漏洞。在本文中，我们提出了一种新的隐私保留位置推荐框架（PLORE）来解决这一隐私挑战。首先，我们采用Nth-Ordd添加性Markov链条利用用户的顺序模式进行位置建议。此外，我们对高等推荐准确性和严格的位置隐私保护之间的概率差异隐私机制造成概率差异隐私机制。最后，我们进行了广泛的实验，以使用三个大型现实世界数据集评估PLORE的性能。广泛的实验结果表明，PLORE提供高效且高度准确的位置建议，并保证了在地理社会网络中的用户办理登机媒体数据的严格隐私保护。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号