基于評分序列的托攻擊劍檢測方法研究.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，人們需要花費大量的時間進行篩選以獲得自己需要的信息，這種信息過載的現(xiàn)象困擾著人們對有效信息的選擇。推薦系統(tǒng)可以有效緩解信息過載問題，通過將協(xié)同過濾技術(shù)與推薦技術(shù)結(jié)合構(gòu)建出的協(xié)同過濾推薦系統(tǒng)在電子商務(wù)領(lǐng)域得到了廣泛的應(yīng)用。由于協(xié)同過濾推薦系統(tǒng)的開放性，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，必須準確檢測出注入推薦系統(tǒng)中的虛假數(shù)據(jù)。本文從用戶的評分習(xí)慣入手，對推薦系統(tǒng)中的托攻擊檢測問題進行了深入的研究。
　　首先，針對現(xiàn)有的攻擊檢測方法檢測精確度不高的問題，提出了一種基于新穎項目評分序列聚類的托攻擊檢測方法。該方法首先構(gòu)建每個用戶的新穎項目評分序列，根據(jù)真實概貌和攻擊概貌在新穎項目評分序列上表現(xiàn)出的差異生成每個用戶概貌的評分數(shù)百分比序列，最后結(jié)合FarthestFirst聚類算法檢測出攻擊概貌。

3、r>　　其次，為了提高對標準攻擊以及AoP攻擊的檢測精度，提出了一種基于評分序列分類特征的托攻擊檢測方法。該方法首先構(gòu)建每個用戶的流行項目評分序列和新穎項目評分序列，然后基于真實概貌和攻擊概貌的評分項目在這兩條序列上的分布差異提取八個特征，最后結(jié)合Multffloost集成學(xué)習(xí)方法和ADTree決策樹分類算法檢測出攻擊概貌。
　　最后，在MovieLens1M數(shù)據(jù)集上進行實驗，對本文提出的兩種托攻擊檢測方法進行驗證，并與現(xiàn)有的幾種