1 |
1
소셜 추천 서비스에서 유저의 프라이버시를 위한 협업 프라이버시 프레임 워크 시스템에 있어서,상기 유저의 다양한 관심사를 모아 등급 데이터베이스와 메타 데이터베이스를 구축하기 위한 러닝 에이전트와,수퍼 피어 또는 외부 소셜 추천 서비스의 선호도를 공유할 때 상기 유저의 프라이버시를 보호하기 위한 로컬 은폐과정을 수행하는 로컬 위장 에이전트와,피어그룹으로부터 수집된 프로파일의 은폐를 수행하는 암호화 에이전트와,호스트와 타켓 유저 간의 신뢰 레벨 값을 계산하여 상기 계산된 신뢰 레벨 값을 미리 명시된 상기 수퍼 피어에 전달하는 신뢰 에이전트와,상기 로컬 위장 에이전트가 정기적으로 선호도를 갱신하고 상기 갱신된 선호도를 소셜 추천 서비스에 전달하는 동기화 에이전트와,상기 동기화 에이전트가 상기 갱신된 선호도를 전달하기 위한 사용하는 전달 에이전트와,상기 전달된 선호도에 대한 피드백을 위한 피드백 에이전트와,프라이버시 선호도와 정책을 추천 프로세스에서 호스트의 역할에 따라 XML로 인코딩하는 정책 에이전트와,상기의 에이전트들을 관리하는 관리 에이전트를 포함하고, 상기 암호화 에이전트의 상기 프로파일 은폐는 상기 외부 소셜 추천 서비스와 선호도를 공유하기 전에 로컬 은폐과정과 글로벌 은폐과정을 수행하고, 상기 로컬 은폐과정은 상기 유저의 선호도를 기반으로 한 로컬 프로파일에서 아이템들을 억제하여 실제 데이터 집합 D를 얻는 제1단계; 상기 D에서 아이템들을 선정하여 새로운 데이터 집합 를 생성하는 제2단계; K-유사 항목 아이템들의 그룹을 형성하기 위해 가짜 아이템들의 추가를 통해 각 실제 아이템의 친밀 그룹 를 만드는 제3단계; 실제 아이템 집합 {Du}에서 확률 를 이용해 실제 아이템 {Iu}을 선택하거나 확률 1-를 이용해 가짜 후보 아이템의 집합 Dn에서 가짜 아이템 {In}을 선택하는 제4단계; 은폐된 데이터 집합 Dp를 상기 3단계에서 얻는 상기 친밀그룹 과 병합하는 제5단계;를 포함하는 유저의 프라이버시를 위한 협업 프라이버시 프레임 워크 시스템
|
2 |
2
청구항 1에 있어서, 상기 암호화 에이전트는 상기 유저가 추천 과정에서 상기 수퍼 피어의 동작을 수행하는 경우에만 활성화 되는 것을 특징으로 하는 유저의 프라이버시를 위한 협업 프라이버시 프레임 워크 시스템
|
3 |
3
삭제
|
4 |
4
삭제
|
5 |
5
청구항 2에 있어서, 상기 글로벌 은폐과정은 상기 암호화 에이전트가 핵심 등급의 아이템들 Ir과 상기 핵심 등급 이외의 등급 아이템의 개수를 찾아내는 제1단계; 상기 암호화 에이전트가 무작위로 정수 ρ를 선택하고 균등난수 ξ를 선택하는 제2단계; 상기 암호화 에이전트가 전체 데이터 집합에서 상기 핵심등급 이외의 등급 아이템의 퍼센트 ξ를 결정하고 KNN 기법을 이용해 등급외의 값을 예측하는 제3단계;를 포함하는 유저의 프라이버시를 위한 협업 프라이버시 프레임 워크 시스템
|
6 |
6
청구항 5에 있어서, 상기 정수 ρ의 범위는 0에서 100이고, 상기 균등난수 ξ의 범위는 0에서 상기 ρ인 것을 특징으로 하는 유저의 프라이버시를 위한 협업 프라이버시 프레임 워크 시스템
|
7 |
7
청구항 2에 있어서, 서로 다른 P3P 정책에 관한 데이터를 수집하는 과정에 발생하는 오브젝트들에 대해 결정을 자동으로 할 수 있게 만들어 주는 선호도 검사기를 더 포함하는 것을 특징으로 하는 유저의 프라이버시를 위한 협업 프라이버시 프레임 워크 시스템
|
8 |
8
청구항 7항에 있어서, 상기 호스트의 상기 프라이버시 선호도에 의한 제한된 수신 요청을 수정하는 질의 재작성기를 더 포함하는 것을 특징으로 하는 유저의 프라이버시를 위한 협업 프라이버시 프레임 워크 시스템
|