协同过滤推荐系统中攻击概貌检测算法研究

论文摘要

协同过滤推荐系统为解决“信息过载”问题提供了一条有效途径，在电子商务中得到了广泛应用。然而由于系统的开放性和用户的匿名性，推荐系统存在着严重的安全隐患。一些恶意用户出于商业竞争等目的，人为地向系统注入大量虚假的用户概貌，企图使系统产生对他们有利的推荐，严重影响了系统的推荐质量。因此，解决推荐系统的安全问题刻不容缓。本文在对国内外研究现状分析研究的基础上，针对协同过滤推荐系统的攻击概貌检测问题进行了深入的研究。首先，从攻击概貌的特征及目标项目评分之间的差异进行分析，针对现有的攻击概貌检测算法不能对多个受攻击项目同时进行检测的问题，提出了一种基于多目标项目检索的无监督攻击概貌检测算法。该算法首先在用户概貌子集上寻找可疑的受攻击项目，动态生成目标项目树，然后根据项目联合偏离度确定目标项目，并检测出相应的攻击概貌。其次，从用户概貌与最近邻之间的离群程度进行分析，针对现有的攻击概貌检测算法对模糊攻击检测精确度不高的问题，提出了一种基于局部密度的无监督攻击概貌检测算法。该算法首先计算每个用户概貌的局部离群因子，得到用户概貌的局部偏离程度。然后，结合攻击用户对目标项目的评分与真实用户评分之间的差异，进一步确定目标项目及攻击目的，最终给出目标项目所对应的攻击概貌。最后，对本文提出的两种攻击概貌检测算法进行了实验验证与分析，并与现有算法进行了对比研究，同时为今后的研究工作进行了展望。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.3 本文的主要研究内容
• 1.4 本文的组织结构
• 第2章 协同过滤推荐算法及攻击模型
• 2.1 协同过滤推荐算法介绍
• 2.1.1 基于用户的协同过滤推荐算法
• 2.1.2 基于项目的协同过滤推荐算法
• 2.2 协同过滤推荐系统中的攻击问题分析
• 2.2.1 推荐系统中的安全隐患
• 2.2.2 攻击的相关定义
• 2.2.3 攻击模型的分类
• 2.2.4 攻击的效果评价指标
• 2.3 本章小结
• 第3章 基于多目标项目检索的无监督攻击概貌检测
• 3.1 双聚类算法分析
• 3.2 UnRAP 攻击检测概貌算法分析及存在的问题分析
• 3.2.1 UnRAP 攻击检测算法分析
• 3.2.2 UnRAP 攻击检测算法存在的问题分析
• 3.3 多目标项目检索的无监督攻击概貌检测算法
• 3.3.1 相关定义
• 3.3.2 算法思想
• 3.4 本章小结
• 第4章 基于局部密度的无监督攻击概貌检测
• 4.1 基于密度的局部离群点检测方法分析
• 4.1.1 LOF 算法基本概念
• 4.1.2 LOF 算法分析
• 4.2 基于局部密度的攻击概貌检测算法
• 4.2.1 相关定义
• 4.2.2 算法思想
• 4.3 本章小结
• 第5章 实验验证与分析
• 5.1 实验准备工作
• 5.1.1 实验数据来源
• 5.1.2 实验环境
• 5.1.3 实验评价标准
• 5.2 基于多目标项目检索的检测算法的实验验证及分析
• 5.2.1 针对单个目标项目进行检测的实验方案及结果分析
• 5.2.2 针对多个目标项目进行检测的实验方案及结果分析
• 5.3 基于局部密度的检测算法的实验验证及分析
• 5.3.1 针对标准攻击模型进行检测的实验方案及结果分析
• 5.3.2 针对模糊攻击模型进行检测的实验方案及结果分析
• 5.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间承担的科研任务与主要成果
• 致谢
• 作者简介