一种面向隐私计算的多源消费行为个性化推荐方法及系统

本发明公开了一种面向隐私计算的多源消费行为个性化推荐方法及系统，涉及数据处理技术领域，包括，采用动态差分隐私扰动算法，对结构化特征向量集进行差分隐私扰动处理，生成差分隐私特征数据，并进行同态加密，生成加密特征数据集；对加密特征数据集进行迭代训练，生成本地加密参数；将本地加密参数传输至加密聚合中心，得到加密参数集，并采用同态加密聚合方法，对加密参数集进行合并，生成全局加密推荐参数；对全局加密推荐参数在可信执行环境中进行解密，得到可用推荐参数，并结合本地加密参数和差分隐私特征数据进行推荐计算，生成个性化推荐结果。本发明提升了隐私保护能力与数据可用性。