推薦系統(tǒng)內(nèi)攻擊塊檢測算法研究.pdf

1、推薦系統(tǒng)作為一個高效的信息過濾工具，已廣泛應(yīng)用于電子商務(wù)和社交網(wǎng)絡(luò)等諸多領(lǐng)域。然而，當前一些稱為“水軍”的惡意用戶為獲取不正當利益，往往通過偽造用戶行為影響推薦結(jié)果，給商家和用戶的利益都造成了損害。這種行為被稱作托攻擊。當前托攻擊大致可以分為兩類，一類是“推攻擊”，即為某些項目生成大量褒獎記錄以推銷該項目，另一類是“核攻擊”，即為某些項目生成大量的差評記錄來詆毀該項目。隨著推薦系統(tǒng)的興起，對托攻擊的檢測已然成為當前的研究熱點，本文所關(guān)注

2、的即是對“托攻擊”中“核攻擊”的檢測。許多現(xiàn)有的研究方法主要從兩個角度解決核攻擊的問題，第一種注重檢測獨立的攻擊者而忽略攻擊者之間可能存在的團體合作性;第二種先分別找到“一組合作的攻擊者”和被其攻擊的“一組攻擊項目”的候選者，再從中對攻擊進行偵測，這樣做既不直接也不高效，難以處理當前的海量數(shù)據(jù)。針對不能同時找出合作的“攻擊者組”和“攻擊項目組”的問題，本文從一個新的角度，提出算法MAB(Mining Attack-Block)，該算法同

3、時考慮“攻擊者組”和“攻擊項目組”，并采用頻繁項集挖掘的思路，把攻擊行為檢測出來。
　　本研究主要內(nèi)容包括：⑴為檢測“核攻擊”內(nèi)的“攻擊者組”和“攻擊項目組”，創(chuàng)新性地提出將“攻擊者和攻擊者”之間的關(guān)系以及“攻擊者和攻擊項”之間的關(guān)系作為特征引入攻擊檢測之中，并據(jù)此提出了“攻擊塊”的概念。⑵提出兩個用于評估“攻擊塊”的衡量標準，“塊面積率”和“塊打分率”，并據(jù)此提出攻擊塊檢測算法MAB，該算法采用頻繁項集挖掘的思想對“攻擊塊”進行