推荐系统中攻击检测问题的研究
发布时间：2021-02-26 09:46
互联网应用的迅猛发展，导致信息过载的问题出现在人们的面前。为了解决这个问题，个性化推荐技术应运而生。随着商业竞争的日益激烈，电子商务中出现一些恶意用户，利用推荐系统自身存在的一些特性对推荐系统发动攻击，影响推荐系统的推荐结果。如何有效的对推荐攻击进行检测，提高推荐系统的鲁棒性，保证推荐系统的推荐质量，已经成为近年来研究的热点。本文主要从推荐攻击检测出发，针对用户概貌注入攻击（ProfileInjectionAttack）的检测进行相关的研究。包括攻击用户概貌的特征、随机攻击等几种攻击模型中攻击用户概貌的结构组成、以及现有的几种攻击用户概貌检测技术。对相关知识进行深入研究后，在前人研究的基础上，提出了一种新的攻击检测算法。本文的主要工作如下：1、对推荐系统、协同过滤推荐技术的原理进行深入的理解。研究推荐攻击的相关知识，理解推荐攻击的原理与方法。对随机攻击等几种攻击模型的实现原理进行分析，并在协同过滤推荐算法的基础上对几种攻击模型进行实现。通过实验结果来分析推荐攻击对系统的影响。2、在对推荐攻击深入理解的基础上，对包括RDMA、WDMA、FMTD等几种现有的经典攻击检测算法进行研究。分析算...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：83 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文主要工作
1.4 论文的结构安排
第二章 推荐系统与推荐算法
2.1 推荐系统基本概念
2.2 协同过滤推荐系统的原理
2.3 协同过滤推荐算法
2.3.1 基于用户的 （User-Based ） 协同过滤推荐
2.3.2 基于项目的 （Item-Based ）协同过滤推荐
2.3.3 其他的推荐算法
2.3.4 推荐算法的比较
2.4 推荐系统中的安全问题
2.5 本章小结
第三章 推荐系统中的攻击与检测
3.1 推荐攻击的相关定义
3.2 攻击模型
3.2.1 攻击用户概貌
3.2.2 攻击模型的分类
3.3 攻击效率
3.3.1 平均预测增量
3.3.2 命中率
3.4 攻击检测
3.4.1 基础检测属性
3.4.2 模型专用检测属性
3.4.3 其他攻击检测方法
3.5 本章小结
第四章 典型攻击检测算法的评估
4.1 攻击检测算法
4.2 实验设计
4.2.1 实验内容
4.2.2 实验过程
4.2.3 评价指标
4.2.4 数据来源
4.3 实验结果和分析
4.3.1 推荐攻击对系统的影响
4.3.2 用户影响力分析
4.3.3 攻击检测
4.4 本章小结
第五章 基于混合共同决策的攻击检测算法
5.1 引言
5.1.1 Hv-score 的引入
5.1.2 UnRAP 攻击检测概貌算法
5.2 基于混合共同决策的攻击检测
5.2.1 相关定义
5.2.2 算法研究与改进
5.2.3 混合共同决策算法
5.3 实验及结果分析
5.3.1 实验内容
5.3.2 数据来源
5.3.3 实验评价指标
5.3.4 攻击数据
5.3.5 实验结果与分析
5.4 本章小结
第六章 结论
致谢
参考文献
攻硕期间取得的研究成果
【参考文献】：
期刊论文
[1]Preventing Recommendation Attack in Trust-Based Recommender Systems[J]. 张富国. Journal of Computer Science & Technology. 2011(05)
[2]一种探测推荐系统托攻击的无监督算法[J]. 李聪,骆志刚,石金龙. 自动化学报. 2011(02)
[3]基于语义聚类的协作推荐攻击检测模型[J]. 陈健,区庆勇,郑宇欣,李东. 计算机应用. 2009(05)
[4]互联网推荐系统比较研究[J]. 许海玲,吴潇,李晓东,阎保平. 软件学报. 2009(02)
[5]推荐系统安全问题及技术研究综述[J]. 张富国,徐升华. 计算机应用研究. 2008(03)
[6]电子商务推荐攻击研究[J]. 余力,董斯维,郭斌. 计算机科学. 2007(05)
[7]基于项目评分预测的协同过滤推荐算法[J]. 邓爱林,朱扬勇,施伯乐. 软件学报. 2003(09)
[8]个性化服务技术综述[J]. 曾春,邢春晓,周立柱. 软件学报. 2002(10)
本文编号：3052414
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：83 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文主要工作
1.4 论文的结构安排
第二章 推荐系统与推荐算法
2.1 推荐系统基本概念
2.2 协同过滤推荐系统的原理
2.3 协同过滤推荐算法
2.3.1 基于用户的 （User-Based ） 协同过滤推荐
2.3.2 基于项目的 （Item-Based ）协同过滤推荐
2.3.3 其他的推荐算法
2.3.4 推荐算法的比较
2.4 推荐系统中的安全问题
2.5 本章小结
第三章 推荐系统中的攻击与检测
3.1 推荐攻击的相关定义
3.2 攻击模型
3.2.1 攻击用户概貌
3.2.2 攻击模型的分类
3.3 攻击效率
3.3.1 平均预测增量
3.3.2 命中率
3.4 攻击检测
3.4.1 基础检测属性
3.4.2 模型专用检测属性
3.4.3 其他攻击检测方法
3.5 本章小结
第四章 典型攻击检测算法的评估
4.1 攻击检测算法
4.2 实验设计
4.2.1 实验内容
4.2.2 实验过程
4.2.3 评价指标
4.2.4 数据来源
4.3 实验结果和分析
4.3.1 推荐攻击对系统的影响
4.3.2 用户影响力分析
4.3.3 攻击检测
4.4 本章小结
第五章 基于混合共同决策的攻击检测算法
5.1 引言
5.1.1 Hv-score 的引入
5.1.2 UnRAP 攻击检测概貌算法
5.2 基于混合共同决策的攻击检测
5.2.1 相关定义
5.2.2 算法研究与改进
5.2.3 混合共同决策算法
5.3 实验及结果分析
5.3.1 实验内容
5.3.2 数据来源
5.3.3 实验评价指标
5.3.4 攻击数据
5.3.5 实验结果与分析
5.4 本章小结
第六章 结论
致谢
参考文献
攻硕期间取得的研究成果
【参考文献】：
期刊论文
[1]Preventing Recommendation Attack in Trust-Based Recommender Systems[J]. 张富国. Journal of Computer Science & Technology. 2011(05)
[2]一种探测推荐系统托攻击的无监督算法[J]. 李聪,骆志刚,石金龙. 自动化学报. 2011(02)
[3]基于语义聚类的协作推荐攻击检测模型[J]. 陈健,区庆勇,郑宇欣,李东. 计算机应用. 2009(05)
[4]互联网推荐系统比较研究[J]. 许海玲,吴潇,李晓东,阎保平. 软件学报. 2009(02)
[5]推荐系统安全问题及技术研究综述[J]. 张富国,徐升华. 计算机应用研究. 2008(03)
[6]电子商务推荐攻击研究[J]. 余力,董斯维,郭斌. 计算机科学. 2007(05)
[7]基于项目评分预测的协同过滤推荐算法[J]. 邓爱林,朱扬勇,施伯乐. 软件学报. 2003(09)
[8]个性化服务技术综述[J]. 曾春,邢春晓,周立柱. 软件学报. 2002(10)
本文编号：3052414
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/3052414.html
