推荐引擎总想知道你喜欢看什么。

就像网购时会弹出可能需要的东西，推荐系统会基于你以往的购物行为推断用户需求。你面临着两难境地：是否应该在不知是否会泄露隐私的情况下点击，不点击是否会错过需要的商品？

目前，研究人员开发出一种保护隐私的新算法，能够实时判断每次点击透露的信息量和内容实用性，帮助用户决策是否进行下一次点击。

看起来蛮实用的嘛。

亮相ACM SIGIR

研究的相关论文在本月东京召开的信息检索顶级会议ACM SIGIR上亮相。

这篇题为《The Utility and Privacy Effects of a Click》的论文由瑞士洛桑联邦理工学院（EPFL）的Richid Guerraoui、Mahsa Taziki和法国信息自动化研究所（Inria）的Anne-Marie Kermarrec三人共同完成。

“有些链接实用且不会泄露隐私，而有些恰恰相反。我们想准确计算链接的实用性和隐私性，帮助用户决策，同时也帮助服务商提高用户体验。”Taziki说。

“点击顾问”

与不加区分的广告拦截器不同，Taziki等人的算法对页面信息或广告无影响。该算法对潜在的可点击处进行评估，包括需要发送的数据量、对隐私的潜在影响以及用户从点击中获得的信息。

根据链接的安全性和内容实用性，算法把预点击信息分为四类，分别是：

安全区：实用与安全兼备

权衡区：内容实用，需发送部分个人数据

低危区：内容一般，有泄露隐私风险

高危区：内容差，会泄露个人隐私

综合评估结果以不同的颜色区块形式呈现，研究人员将其命名为“点击顾问”（click advisor），用户可依靠它决定取舍，快速判断是否进入链接。

△ 可点击的链接会被算法分拣为四类

最大控制力

目前，Taziki团队的这项算法已经获得专利。她们计划用这个算法构建一个浏览器插件，当有网站要大规模获取用户隐私信息时，系统将对用户发出警告。

“我们希望用户能够享受在线推荐的好处，同时对他们的隐私和数据保持最大的控制力。”Taziki总结说。

如果想解锁算法的训练过程与数据结果，可以移步论文原文。

论文链接：

http://dl.acm.org/citation.cfm?id=3080783