一种去中心化的具有隐私保护性能的推荐方法

本发明涉及一种去中心化的具有隐私保护性能的推荐方法，基于矩阵分解算法和区块链设计，用于在推荐系统中提供隐私保护。通过引入区块链技术消除了传统中心化联邦学习中的单点故障风险，并增强了隐私保护能力。在模型训练期间，用户在本地训练包含私有参数和公共参数的模型，但只共享公共参数，从而避免了用户原始隐私数据和私有参数的泄露，同时对该方法的隐私保护性能进行了量化分析，推导出隐私泄露的总概率，为评估用户隐私保护强度提供了理论依据。