有把我困惑理清的大神，虽然很微薄但可以请一杯奶茶！
导师给的这个方向，想自己先探索探索，但查一堆资料但依旧一头雾水，故来求助。
目前想构建一个带有隐私保护的比较简单的电影推荐系统，有俩条思路。
第一条：
用矩阵分解算法，利用用户数据即对电影的评分进行训练，然后传输过程用同态加密，或者差分隐私，但是有一点搞不明白，就是推荐系统收集用户评分数据后，虽然训练推荐的过程是加密了，但是数据好像要放在数据库的话，也用加密方法加密吗？就比如历史评分，最终不是要返回到客户端吗
第二条：
有点像联邦学习好像，就是觉得用户数据放在服务端也是不安全或者说加解密耗时费力，就直接放在缓存在客户端本地，然后本地也有模型，传参数给服务器的模型进行训练，服务器再给客户端更新参数。
现在的问题就是，不知道第二条思路，会不会难度较大，而第一条思路中，总感觉有点问题，比如你把一个用户的电影评分数据作为隐私的话，按照隐私计算的角度来讲应该是，服务端无法知道客户端做了什么操作才对吗？但是你的评分数据依旧存储在服务端感觉很危险吗？总之就是有点乱吧，还有个问题就是，比如矩阵分解，模型是可以直接用吗，还是需要先用数据跑一个模型，然后再用呢？
导师给的这个方向，想自己先探索探索，但查一堆资料但依旧一头雾水，故来求助。
目前想构建一个带有隐私保护的比较简单的电影推荐系统，有俩条思路。
第一条：
用矩阵分解算法，利用用户数据即对电影的评分进行训练，然后传输过程用同态加密，或者差分隐私，但是有一点搞不明白，就是推荐系统收集用户评分数据后，虽然训练推荐的过程是加密了，但是数据好像要放在数据库的话，也用加密方法加密吗？就比如历史评分，最终不是要返回到客户端吗
第二条：
有点像联邦学习好像，就是觉得用户数据放在服务端也是不安全或者说加解密耗时费力，就直接放在缓存在客户端本地，然后本地也有模型，传参数给服务器的模型进行训练，服务器再给客户端更新参数。
现在的问题就是，不知道第二条思路，会不会难度较大，而第一条思路中，总感觉有点问题，比如你把一个用户的电影评分数据作为隐私的话，按照隐私计算的角度来讲应该是，服务端无法知道客户端做了什么操作才对吗？但是你的评分数据依旧存储在服务端感觉很危险吗？总之就是有点乱吧，还有个问题就是，比如矩阵分解，模型是可以直接用吗，还是需要先用数据跑一个模型，然后再用呢？
