计算机应用

作者：田蕾, 葛丽娜

单位：1.广西民族大学 电子信息学院，南宁 530006；2.广西民族大学 网络通信工程重点实验室，南宁 530006；3.广西民族大学 人工智能学院，南宁 530006；4.广西混杂计算与集成电路设计分析重点实验室（广西民族大学），南宁 530006

关键词：差分隐私,推荐算法,梯度下降,深度学习,Adam优化算法

基金：国家自然科学基金资助项目(61862007)

随着移动互联网行业进入快速发展阶段，用户数据以及浏览数据大幅增加，所以准确把握用户潜在需求和提高广告推荐效果显得极其重要。DeepFM模型作为目前较为先进的推荐方法，可以从原始特征中抽取到各种复杂度特征，但模型没有对数据进行防护。为了在DeepFM模型中实现隐私保护，提出一种基于差分隐私的DeepFM模型——DP-DeepFM，在模型训练过程中将高斯噪声加入Adam优化算法中，并进行梯度裁剪，防止加入噪声过大引发模型性能下降。在广告Criteo数据集上的实验结果表明，与DeepFM相比，DP-DeepFM的准确率仅下降了0.44个百分点，但它能提供差分隐私保护，更具安全性。

来源：2023年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第11期