面向协同过滤的推荐攻击特征提取及检测方法

发布时间：2017-04-20 18:13

  本文关键词：面向协同过滤的推荐攻击特征提取及检测方法，由笔耕文化传播整理发布。

【摘要】：随着电子商务的快速发展,网络经济时代到来,但同时也带来了“信息过载”问题,推荐技术应运而生。但由于推荐系统的开放性和对用户信息的敏感性,使它存在着安全隐患。一些恶意用户向系统人为注入大量虚假用户概貌,企图产生对自身有利的推荐,这种行为严重降低了推荐的质量。因此,保障推荐系统的安全是刻不容缓的问题。本文在综合分析国内外研究现状的基础上,针对协同过滤推荐系统中用户攻击概貌注入攻击检测算法进行了深入的研究。首先,针对已有通用特征提取方法对未知推荐攻击描述效果不好的的问题,通过引入小波变换,提出两种推荐攻击特征提取方法。第一种是,从用户评分分布的角度考虑,利用小波分解重构后各级信号的能量分布情况提取已知类型推荐攻击的专用特征。第二种是,利用小波分解对数据降维,再利用熵的相关理论知识提取针对未知类型推荐攻击的通用特征。其次,针对已有攻击检测算法不能有效检测未知类型推荐攻击的问题,在提出了以上特征值的基础上,提出一种基于聚类的未知类型攻击检测算法。首先,利用通用特征提取方法将测试集映射到特征空间,采用聚类算法对特征空间中用户进行聚类,设定数据集中攻击概貌一定少有真实用户概貌,由此判定攻击概貌类簇,完成检测。针对均值攻击等在生成攻击概貌时填充项在除目标项和选择项之外的所有项目中随机选取的攻击类型,提出了一种基于聚类的已知类型攻击检测算法。该算法与上述算法过程相似,只是改用专用特征提取方法进行特征提取。最后,将本文提出的用户概貌注入攻击检测算法和现有的检测算法进行了实验对比与分析。
【关键词】：协同过滤 推荐攻击检测 小波变换 聚类算法 信息熵
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.08
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-15
• 1.1 研究背景及意义10-11
• 1.2 国内外研究现状11-13
• 1.3 本文的主要研究内容13-14
• 1.4 本文的组织结构14-15
• 第2章 协同过滤推荐及相关知识15-26
• 2.1 协同过滤推荐算法15-17
• 2.1.1 基于用户的协同过滤推荐算法15-16
• 2.1.2 基于项目的协同过滤推荐算法16-17
• 2.2 协同过滤推荐系统攻击及分析17-23
• 2.2.1 攻击的基本概念17-19
• 2.2.2 攻击模型的分类19-21
• 2.2.3 攻击效果评价方法21-23
• 2.3 相关理论介绍23-25
• 2.3.1 小波变换23-24
• 2.3.2 熵24-25
• 2.4 本章小结25-26
• 第3章 推荐攻击特征提取方法26-38
• 3.1 引言26-27
• 3.2 评分分布序列的生成27-29
• 3.3 基于小波变换的特征提取算法29-36
• 3.3.1 专用特征值提取方法32-33
• 3.3.2 通用特征值提取方法33-36
• 3.4 本章小结36-38
• 第4章 基于聚类的推荐攻击检测方法38-45
• 4.1 引言38-39
• 4.2 基于聚类的未知类型推荐攻击检测方法39-41
• 4.2.1 检测算法模型39-40
• 4.2.2 检测算法描述40-41
• 4.3 基于聚类的已知类型推荐攻击检测方法41-43
• 4.4 本章小结43-45
• 第5章 实验验证与分析45-55
• 5.1 实验数据和设置45
• 5.2 实验评价指标45-46
• 5.3 实验结果及对比分析46-53
• 5.3.1 基于聚类的已知类型推荐攻击检测算法的实验对比及分析46-49
• 5.3.2 基于聚类的未知类型推荐攻击检测算法的实验对比及分析49-53
• 5.4 本章小结53-55
• 结论55-57
• 参考文献57-62
• 攻读硕士学位期间承担的科研任务与主要成果62-63
• 致谢63-64
• 作者简介64

【参考文献】

中国期刊全文数据库 前2条

1 范丽敏;冯登国;陈华;;基于熵的随机性检测相关性研究[J];软件学报;2009年07期

2 刘建国;周涛;汪秉宏;;个性化推荐系统的研究进展[J];自然科学进展;2009年01期

  本文关键词：面向协同过滤的推荐攻击特征提取及检测方法，由笔耕文化传播整理发布。

，

本文编号：319252