Heimdall: A Privacy-Respecting Implicit Preference Collection Framework
Heimdall: A Privacy-Respecting Implicit Preference Collection Framework
复制标题
Heimdall：尊重隐私的隐式偏好收集框架
DOI：
10.1145/3081333.3081334
复制
发表时间：
2017
期刊：
影响因子：
--
通讯作者：
Prakash, Atul
中科院分区：
文献类型：
--
作者：
Rahmati, Amir;Fernandes, Earlence;Eykholt, Kevin;Chen, Xinheng;Prakash, Atul
用户日常做出的许多决定都依赖于在线推荐系统的建议。这些系统收集来自多个用户的隐式(例如，位置、购买历史、浏览历史)和显式(例如，评论、评级)反馈，产生一般共识，并基于该共识提供建议。然而，由于隐私问题，用户对隐式数据收集感到不舒服，因此要求推荐系统过度依赖显式反馈。不幸的是，用户并不经常提供明确的反馈。这阻碍了推荐系统提供高质量建议的能力。我们介绍了Heimdall，这是第一个尊重隐私的隐式偏好收集框架，使推荐系统能够以尊重隐私的方式从他们的活动中提取用户偏好。关键的洞察是使推荐系统能够在用户的设备上运行收集器，并精确控制收集器传输到推荐系统后端的信息。Heimdall引入了不可变的BLOB作为保证该属性的机制。我们在Android平台上实现了Heimdall，并编写了三个示例收集器来增强隐式反馈推荐系统。我们的性能结果表明，不可变斑点的开销很小，而一项对166名参与者的用户研究表明，当收集者只记录特定信息时，隐私问题明显较少--这是Heimdall启用的一种特性。
Many of the everyday decisions a user makes rely on the suggestions of online recommendation systems. These systems amass implicit (e.g.,location, purchase history, browsing history) and explicit (e.g.,reviews, ratings) feedback from multiple users, produce a general consensus, and provide suggestions based on that consensus. However, due to privacy concerns, users are uncomfortable with implicit data collection, thus requiring recommendation systems to be overly dependent on explicit feedback. Unfortunately, users do not frequently provide explicit feedback. This hampers the ability of recommendation systems to provide high-quality suggestions. We introduce Heimdall, the first privacy-respecting implicit preference collection framework that enables recommendation systems to extract user preferences from their activities in a privacy respecting manner. The key insight is to enable recommendation systems to run a collector on a user's device and precisely control the information a collector transmits to the recommendation system back-end. Heimdall introduces immutable blobs as a mechanism to guarantee this property. We implemented Heimdall on the Android platform and wrote three example collectors to enhance recommendation systems with implicit feedback. Our performance results suggest that the overhead of immutable blobs is minimal, and a user study of 166 participants indicates that privacy concerns are significantly less when collectors record only specific information--a property that Heimdall enables.
登录
查看更多内容
DOI：
--
发表时间：
2006
期刊：
影响因子：
--
作者：
AwadNaveen Farag;S. KrishnanM.
通讯作者：
S. KrishnanM.
DOI：
--
发表时间：
2016
期刊：
ACM Workshop on Hot Topics in Networks
影响因子：
--
作者：
Han Zhang;Kasra Edalat Nejad;Amir Rahmati;H. Madhyastha
通讯作者：
H. Madhyastha
业内人士：打破移动应用孤岛
DOI：
--
发表时间：
2015
期刊：
影响因子：
--
作者：
V. Chandramouli;Abhijnan Chakraborty;Vishnu Navda;S. Guha;V. Padmanabhan;R. Ramjee
通讯作者：
R. Ramjee
影响因子：
4.6
作者：
de Fortuny, Enric Junque;Martens, David;Provost, Foster
通讯作者：
Provost, Foster