公开了一种推荐列表隐私风险评估方法、装置、设备及存储介质,属于计算机技术领域,该方法包括:基于推荐数据库中的多个物品和对齐模型,对受害用户的第一推荐列表进行增强,得到第二推荐列表,第一推荐列表为目标推荐模型向受害用户推送的推荐列表,对齐模型用于对齐多个物品的推荐嵌入;采用自适应权重分配模型,对第二推荐列表中不同位次的物品分配不同的权重;基于第二推荐列表中各个物品的权重,采用多层感知机推断受害用户的第一隐私信息;基于推断出的第一隐私信息的准确程度,确定第一推荐列表的隐私风险。该方法能够准确地评估推荐列表的隐私泄露风险。
背景技术
推荐系统提供个性化推荐服务给用来缓解信息过载的问题。通常,推荐系统通过分析用户的历史交互数据,例如评分、点击、浏览次数等来学习用户偏好,为用户生成恰当的推荐列表。
用户的推荐列表是用户隐私的重要组成部分,因为它不仅反映了个人的兴趣、偏好和消费习惯,还可能暴露其生活方式、价值观甚至情感状态。这些数据如果被不当使用或泄露,可能会导致用户面临针对性的广告侵扰、个人选择被预测或操纵,以及身份盗窃等风险。故需要评估用户的推荐列表是否具有隐私(泄露)风险。
实现思路