随着数字经济时代的全面崛起，从电商购物到社交互动，个性化推荐系统已成为用户体验的核心。然而，支撑这些“精准推荐”的背后，是海量用户数据的集中采集和分析。这种模式引发了用户在“享受便利服务”与“保护个人隐私”之间摇摆的“隐私悖论”。面对用户担忧，各国法规已亮出“铁律”，如《通用数据保护条例》（GDPR）和我国的《互联网信息服务算法推荐管理规定》，明确要求算法推荐服务提供者必须建立健全数据安全和个人信息保护制度。

中南财经政法大学信息工程学院研究生团队近期完成的《基于隐私保护的图联邦推荐算法研究》项目，正是针对这一社会痛点，提出了融合联邦学习和差分隐私的图联邦推荐算法，为破解数字时代的隐私困局提供了创新的技术方案。

该项目正式启动于2024年12月31日，立项后，项目团队开始了紧锣密鼓的项目规划及任务分配。成员苏月利着手开始查找相关文献，通过综述的形式了解了该领域的发展进程。成员郑文洁搜集实验数据，以贴合研究内容。

前期准备完成后，项目负责人张越搭建实验框架，完成数据预处理工作。在项目推进期间，张越同时完成了两篇相关的论文成果，并投稿至期刊。为项目结项奠定了坚实的基础。在指导老师刘雅琦的指导下，实验顺利进行，实验结果验证了图联邦推荐的有效性。

今后，团队将继续深化研究，解决当前存在的局限性，未来将考虑对交互信息、项目特征值以及节点度等图结构信息进行更全面的扰动，以应对更多类型的图攻击风险。采用更先进的联邦算法框架（而非经典的 FedAvg），以更好地平衡各客户端数据的差异性。探索结合增强学习、元学习、迁移学习等技术，进一步提高模型对用户偏好预测的准确性和在不同数据集上的稳定性。（通讯员： 张越）

声明：凡来源或标记以“大学生云报”之内容均为本网合法拥有版权或有权使用的作品，至发布之日起三日后方可原文转载，转载时请注明来源及有效联系方式。

审定：赵菁华    责编：赵旭 + 投诉举报