基于时间SFM因子的推荐系统攻击检测方法

发布时间：2020-05-16 00:37

【摘要】： 随着电子商务蓬勃发展,电子商务推荐系统在解决信息超载方面的作用逐渐被大家接受和认可。推荐系统功能的实现依赖于外界用户信息,为干扰系统正常运作的推荐攻击者提供了理论可能性。在现实电子商务环境中,商品生产者希望推荐系统能更多地推荐产品给用户,增加商品销量和市场占有率,为推荐攻击者提供了现实利益可能性。所以提高推荐攻击检测能力有助于保证推荐系统的准确性、客观性和公正性。 目前电子商务推荐系统攻击检测研究集中于商品项目评价值,用户评价项目数,项目被评价次数等等。推荐攻击侵入形成,必定涉及攻击用户各方面数据,所以推荐攻击检测不应仅限于用户评价行为结果——用户的评价值与评价项目,还应体现在用户评价行为其他属性中。在用户多输入数与项目高填充量的推荐攻击下检测存在不足。 本文据此从用户行为评价时间属性——评价间隔时间入手,提出一种基于时间SFM因子的推荐攻击检测方法。通过对用户评价间隔时间非正常值剥离,得到用户评价时间相对全距,组成整体用户评价时间相对全距序列。用户依靠在序列位置中左右临近用户的评价间隔时间形成间隔时间基准值,利用用户自身评价间隔时间与对应基准值之间相互关系,分别从群体泛化角度的Span属性(评价间隔时间均值与对应基准值的偏离度)、单体定性角度Frequency属性(正常评价间隔时间次数与间隔时间大于基准值次数的对比度)和单体定量角度Mount属性(大于对应基准值的正常评价间隔时间均值与小于对应基准值的间隔时间均值差异度)分析,构成时间SFM因子,分析评价时间间隔状态,丰富检测因素。 仿真实验结果表明,时间SFM因子可以作为推荐攻击辅助检测因素,基于时间SFM因子的推荐攻击检测方法能更有效地阻止推荐攻击目标项进入用户TopN推荐列表,保证系统服务质量。
【图文】：

分块攻击验证所提出的基于时间SFM因子的推荐系统攻击检测实验分为三个实验方案，具体如下:验一:通过数据训练集，，验证非正常评价间隔时间剥离方法的可验二:通过数据训练集，验证时间sFM因子三属性的相对稳定性验三:在数据测试集中，输入Attacksize分别为1%，3%，10%size分别为1%，3%，10%，20%，30%的模拟流行攻击用户和分证基于时间SFM因子的推荐攻击检测方法阻止攻击目标项进入用表中的有效性。实验一与推荐攻击检测的时间SFM因子的分析数据基础在于用户评价间何得到用户合理正常的间隔时间，排除非正常用户评价间隔时间，SFM因子研究的准确性与针对性至关重要。000000000二，占，占971勺3口l月......口......月百351.000

用户在非正常用户评价间隔时间剥离后间隔时间升序排列中Q值线图
【学位授予单位】：西南大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：F713.36

【引证文献】

相关期刊论文 前1条

1 刘清林;孟珂;李苏丰;;基于统计过程控制的协同推荐攻击检测方法[J];计算机应用;2012年03期

相关硕士学位论文 前1条

1 于辉;协同过滤推荐系统用户概貌注入攻击检测研究[D];华南理工大学;2012年

本文编号：2665868