用于推荐内容分发的个性化隐私保护边缘缓存框架

本发明涉及一种用于推荐内容分发的个性化隐私保护边缘缓存框架。针对现有边缘缓存机制在提供个性化推荐时忽视用户隐私保护需求，导致隐私泄露风险，以及固定隐私保护水平无法适应用户个性化隐私偏好的问题，本发明提出了一种新颖的边缘缓存框架。该框架允许用户根据个人隐私偏好动态调整隐私保护级别，利用差分隐私技术对用户请求记录添加相应水平的噪声，以保护用户隐私。同时，本发明还提出了一种基于回传流量的缓存决策算法，通过实时分析用户请求模式，动态调整缓存策略，优化缓存命中率。本发明的框架包括内容数据库、推荐服务器、边缘缓存服务器和用户，其中边缘缓存服务器根据用户的隐私设置和回传流量数据，执行个性化隐私计算和缓存决策。通过这种方法，本发明在保护用户隐私的同时，减少了添加到用户数据中的噪声，提高了推荐系统的质量，提升了缓存效率，并增强了系统的整体性能。本发明适用于需要在保护用户隐私的同时提供个性化内容推荐与缓存的分布式系统，特别是在移动互联网和大数据技术快速发展的背景下，对于提升用户体验和系统性能具有重要意义。