推薦系統(tǒng)中高級(jí)用戶(hù)攻擊檢測(cè)方法研究.pdf

1、推薦系統(tǒng)已經(jīng)成為信息檢索的有效工具，利用協(xié)同過(guò)濾技術(shù)通過(guò)采集用戶(hù)的偏好信息，從海量信息中過(guò)濾出滿足用戶(hù)興趣的信息并且主動(dòng)推薦給用戶(hù)，在一定程度上解決了信息過(guò)載的問(wèn)題。但是由于推薦系統(tǒng)自身所具有的開(kāi)放性以及對(duì)用戶(hù)偏好信息的依賴(lài)性，導(dǎo)致系統(tǒng)很容易遭受惡意用戶(hù)的攻擊。這些惡意攻擊者通過(guò)向系統(tǒng)注入虛假評(píng)分來(lái)影響推薦結(jié)果，為保證推薦系統(tǒng)的安全性，國(guó)內(nèi)外研究者提出了各種攻擊檢測(cè)方法。然而，攻擊者也在不斷地尋找新的方法發(fā)動(dòng)攻擊。本文在分析國(guó)內(nèi)外研究現(xiàn)

2、狀的基礎(chǔ)上，針對(duì)新型的高級(jí)用戶(hù)攻擊進(jìn)行了深入的研究，在協(xié)同過(guò)濾推薦系統(tǒng)環(huán)境下，高級(jí)用戶(hù)能夠?qū)Τ尸F(xiàn)給其他用戶(hù)的推薦結(jié)果發(fā)揮相當(dāng)大的影響。
　　首先，針對(duì)現(xiàn)有的高級(jí)用戶(hù)選擇方法不能有效識(shí)別出有影響力的高級(jí)用戶(hù)的問(wèn)題，從社會(huì)網(wǎng)絡(luò)分析角度出發(fā)，提出一種基于社會(huì)網(wǎng)絡(luò)頻度中心思想的聚合近鄰頻度與近鄰相似度方法。通過(guò)綜合考慮用戶(hù)之間關(guān)系的存在與否及用戶(hù)之間的關(guān)系強(qiáng)度，能夠準(zhǔn)確地識(shí)別出系統(tǒng)中有影響力的高級(jí)用戶(hù)。
　　其次，針對(duì)已有的推薦系統(tǒng)

3、攻擊方面的研究主要集中在用戶(hù)評(píng)分的相似性統(tǒng)計(jì)模型上，具有固定的生成模式，很容易被一些攻擊防御技術(shù)檢測(cè)出來(lái)，本文設(shè)想攻擊者轉(zhuǎn)向基于顯式影響力措施的高級(jí)用戶(hù)發(fā)動(dòng)攻擊，從而影響推薦系統(tǒng)預(yù)測(cè)和top-N推薦列表。以選出的真實(shí)高級(jí)用戶(hù)為基礎(chǔ)，構(gòu)建高級(jí)用戶(hù)攻擊模型，模擬出高級(jí)用戶(hù)攻擊概貌。
　　然后，針對(duì)現(xiàn)有的攻擊檢測(cè)算法對(duì)新型的高級(jí)用戶(hù)攻擊檢測(cè)準(zhǔn)確度不高的問(wèn)題，提出一種無(wú)監(jiān)督的高級(jí)用戶(hù)攻擊檢測(cè)算法。該算法從有攻擊行為的高級(jí)用戶(hù)的評(píng)分特征角度