面向社會化推薦的托攻擊及檢測研究.pdf

1、隨著電子商務零售業(yè)的迅猛發(fā)展和社交網(wǎng)絡營銷的興起，以用戶間社交關系作為額外輸入的社會化推薦系統(tǒng)成為新的研究方向。社會化推薦系統(tǒng)基于社交關系體現(xiàn)用戶間相似性這一假設，對解決傳統(tǒng)推薦系統(tǒng)中存在的冷啟動問題及提高推薦結果的準確性具有重要作用。但社會化推薦系統(tǒng)天然開放性的特點，使其容易受到托攻擊者注入虛假欺騙信息（虛假評分或虛假關系等）的影響。此類攻擊稱為“托攻擊”，托攻擊嚴重影響了推薦結果的公正性和真實性，降低了用戶對系統(tǒng)的信任度。
　

2、　社會化推薦系統(tǒng)可以看成是傳統(tǒng)推薦系統(tǒng)與在線社交網(wǎng)絡結合的產(chǎn)物?，F(xiàn)有研究大多關注評分驅(qū)動的推薦系統(tǒng)或關系驅(qū)動的社交網(wǎng)絡中托攻擊的檢測問題，而較少關注同時受評分和關系驅(qū)動的社會化推薦系統(tǒng)可能受到的攻擊形式與檢測手段。針對現(xiàn)有研究的不足，本文首先對社會化推薦系統(tǒng)中的托攻擊者的行為方式進行建模，然后提出用于檢測推薦系統(tǒng)與社交網(wǎng)絡中虛假欺騙信息的特征提取方法，進而得到社會化推薦系統(tǒng)中的托攻擊檢測技術。本文分別從以下幾個方面展開研究：
　　

3、①構建面向社會化推薦系統(tǒng)的托攻擊模型，并從攻擊成本與攻擊效果角度對所提模型進行分析。托攻擊模型是托攻擊者向系統(tǒng)注入虛假用戶概貌的手段。通過分析現(xiàn)有社會化推薦技術的工作原理，歸納出托攻擊者可能的攻擊形式，從而提出托攻擊模型。然后分析攻擊模型對推薦結果的影響得到所提托攻擊模型對社會化推薦系統(tǒng)的攻擊效果。
　?、卺槍υu分驅(qū)動的推薦系統(tǒng)中的托攻擊問題，提出一種基于流行度分類特征的托攻擊檢測方法。推薦系統(tǒng)中托攻擊者通過注入虛假評分影響推薦結

4、果，傳統(tǒng)方法大多從托攻擊者的評分方式入手，此類方法難以對新形式攻擊進行檢測。為了解決這個問題，從托攻擊者與正常用戶不同的項目選擇行為入手，分析用戶概貌中項目流行度分布存在的差異，得到用于檢測推薦系統(tǒng)托攻擊的特征提取方法，最后結合分類器對推薦系統(tǒng)中的托攻擊進行檢測。
　?、坩槍﹃P系驅(qū)動的社交網(wǎng)絡中的托攻擊問題，提出一種基于拉普拉斯得分的托攻擊檢測方法。社交網(wǎng)絡中托攻擊者通過注入虛假關系提升自己的影響力，從而達到傳播虛假信息的目的?，F(xiàn)

5、有方法在訓練模型時使用的特征維度較高，造成檢測準確性不足。為了解決這個問題，提出無監(jiān)督的特征選擇方法，該方法通過拉普拉斯得分衡量特征的局部信息保持能力，以進行特征選擇。在此基礎上，結合半監(jiān)督學習方法對社交網(wǎng)絡中的托攻擊進行檢測。
　?、苊嫦蛏鐣扑]系統(tǒng)中的托攻擊檢測問題，提出一種基于半監(jiān)督協(xié)同訓練的社會化推薦系統(tǒng)托攻擊檢測方法。社會化推薦系統(tǒng)中的用戶包括評分特征與關系特征，因此可以利用推薦系統(tǒng)與社交網(wǎng)絡中檢測托攻擊的特征提取方法