協(xié)同過(guò)濾系統(tǒng)中托攻擊檢測(cè)算法研究.pdf

1、協(xié)同過(guò)濾系統(tǒng)很大程度上緩解了網(wǎng)絡(luò)上“信息過(guò)載”的問(wèn)題，然而由于系統(tǒng)的易攻擊性，使得惡意用戶向其中注入偽造用戶記錄成為正常用戶近鄰，以此來(lái)操縱該系統(tǒng)達(dá)到商業(yè)競(jìng)爭(zhēng)的目的。這種行為導(dǎo)致推薦結(jié)果產(chǎn)生偏差，推薦服務(wù)不斷下降，用戶對(duì)推薦系統(tǒng)的信任得不到保障，因此，如何檢測(cè)托攻擊用戶成為亟待解決的問(wèn)題。為了控制推薦攻擊所帶來(lái)的影響，國(guó)內(nèi)外研究學(xué)者采用了很多檢測(cè)方法進(jìn)行檢測(cè)，其圍繞的核心問(wèn)題是如何提高檢測(cè)的性能。本文針對(duì)這一問(wèn)題，從有監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)

2、習(xí)兩條設(shè)計(jì)思路出發(fā)，對(duì)協(xié)同過(guò)濾系統(tǒng)中的托攻擊檢測(cè)算法做了深入研究。
　　首先，針對(duì)有監(jiān)督檢測(cè)方法在檢測(cè)托攻擊時(shí)準(zhǔn)確率不高的問(wèn)題，提出一種基于項(xiàng)目流行度和新穎度特征的托攻擊檢測(cè)算法。該算法根據(jù)真實(shí)概貌和攻擊概貌在選擇評(píng)分項(xiàng)目方式上不同，從流行度和新穎度角度，提出有效區(qū)分正常用戶和攻擊用戶的特征，在此基礎(chǔ)上提出一種集成檢測(cè)框架，通過(guò)Boosting提升技術(shù)產(chǎn)生多個(gè)差異較大的基分類器，進(jìn)而融合帶有權(quán)重的基分類器的預(yù)測(cè)值得到最終的檢測(cè)結(jié)果