본 논문은 여러 상충하는 기준에 따라 대안을 선택, 순위 지정 또는 정렬하는 데 도움을 주는 다중 기준 의사 결정(MCDM)을 소개합니다. 특히, 추천 시스템과 같은 동적이고 데이터 기반의 영역에서 개인적이고 민감한 데이터의 사용이 증가함에 따라, MCDM 방법과 프라이버시 메커니즘을 통합하는 새로운 접근 방식을 제시합니다. 본 논문은 MCDM 아웃랭킹 방법과 차등 프라이버시(DP)를 결합하여 랭킹 문제에서 개별 기여의 프라이버시를 보호하는 통합적 접근 방식을 제시합니다. 이 접근 방식은 다중 사용자 평가를 종합적인 성능 매트릭스로 집계하는 전처리 단계를 사용합니다. 평가 결과는 실제 순위와 익명 처리된 순위 간에 강력하거나 매우 강력한 통계적 상관관계를 보여주며, 강력한 프라이버시 매개변수 보장을 제공합니다.
