论文简介：提出了一种基于虚假标记和秘密共享的通用联邦推荐框架，该工作扩展现有的虚假物品（fake items）技术至虚假标记（fake marks）技术，并将其与秘密共享（secret sharing）结合起来，解决了两种技术各自存在的缺点。该框架可以保护用户的评分行为和评分数值，且不牺牲模型的推荐性能。该框架还具有很好的通用性，可以应用在不同评分预测、物品排序、序列推荐等不同推荐任务的具体模型上。