基于評(píng)分序列的托攻擊劍檢測(cè)方法研究.pdf

1、互聯(lián)網(wǎng)的普及給人們提供了更加便捷的信息獲取途徑，但是，互聯(lián)網(wǎng)中充斥著大量信息，人們需要花費(fèi)大量的時(shí)間進(jìn)行篩選以獲得自己需要的信息，這種信息過(guò)載的現(xiàn)象困擾著人們對(duì)有效信息的選擇。推薦系統(tǒng)可以有效緩解信息過(guò)載問(wèn)題，通過(guò)將協(xié)同過(guò)濾技術(shù)與推薦技術(shù)結(jié)合構(gòu)建出的協(xié)同過(guò)濾推薦系統(tǒng)在電子商務(wù)領(lǐng)域得到了廣泛的應(yīng)用。由于協(xié)同過(guò)濾推薦系統(tǒng)的開(kāi)放性，惡意用戶可以輕易地向系統(tǒng)中注入虛假數(shù)據(jù)，使得推薦結(jié)果發(fā)生偏離，這種行為嚴(yán)重影響了推薦系統(tǒng)的推薦質(zhì)量。因此，為了保

2、證推薦系統(tǒng)的可靠性，必須準(zhǔn)確檢測(cè)出注入推薦系統(tǒng)中的虛假數(shù)據(jù)。本文從用戶的評(píng)分習(xí)慣入手，對(duì)推薦系統(tǒng)中的托攻擊檢測(cè)問(wèn)題進(jìn)行了深入的研究。
　　首先，針對(duì)現(xiàn)有的攻擊檢測(cè)方法檢測(cè)精確度不高的問(wèn)題，提出了一種基于新穎項(xiàng)目評(píng)分序列聚類的托攻擊檢測(cè)方法。該方法首先構(gòu)建每個(gè)用戶的新穎項(xiàng)目評(píng)分序列，根據(jù)真實(shí)概貌和攻擊概貌在新穎項(xiàng)目評(píng)分序列上表現(xiàn)出的差異生成每個(gè)用戶概貌的評(píng)分?jǐn)?shù)百分比序列，最后結(jié)合FarthestFirst聚類算法檢測(cè)出攻擊概貌。

3、r>　　其次，為了提高對(duì)標(biāo)準(zhǔn)攻擊以及AoP攻擊的檢測(cè)精度，提出了一種基于評(píng)分序列分類特征的托攻擊檢測(cè)方法。該方法首先構(gòu)建每個(gè)用戶的流行項(xiàng)目評(píng)分序列和新穎項(xiàng)目評(píng)分序列，然后基于真實(shí)概貌和攻擊概貌的評(píng)分項(xiàng)目在這兩條序列上的分布差異提取八個(gè)特征，最后結(jié)合Multffloost集成學(xué)習(xí)方法和ADTree決策樹(shù)分類算法檢測(cè)出攻擊概貌。
　　最后，在MovieLens1M數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，對(duì)本文提出的兩種托攻擊檢測(cè)方法進(jìn)行驗(yàn)證，并與現(xiàn)有的幾種