基于用户评分偏移度和时间序列的群组攻击检测
发布时间:2021-08-31 23:57
随着信息时代的到来,导致数据量不断增大,这样人们就需要花费大量的时间去筛选有用信息,这种现象就是“信息过载”。协同过滤推荐系统在很大程度上缓解了“信息过载”现象,但是由于其自身的开放性,使其在受到攻击时呈现出脆弱性导致推荐结果不准确。灰色组织的攻击具有一定的策略性,可以在短时间内改变推荐结果。因此,如何有效识别群组攻击,成为了急需解决的问题。本文从用户评分偏移与时间序列的角度入手,对群组攻击检测问题进行深入研究。本文主要内容如下。首先,针对现有的检测算法不能有效排除流行项目的干扰。本文提出一种基于用户评分偏移度的群组检测算法,算法中提出了两个新的群组攻击特征。利用k-means聚类算法分别根据两个群组攻击用户特征进行聚类,生成两个候选可疑群组,取两个候选群组的交集为可疑用户群组。根据群组攻击特征计算用户可疑度,并对可疑群组内用户进行可疑度排序。其次,传统的利用时间序列的检测算法,利用项目在一定时间内的评分数来进行序列构建,无法有效过滤掉目标项下的正常用户且无法有效分组攻击用户。本文提出一种基于时间序列的群组攻击检测算法,该算法构建项目时间序列并划分时间窗口,通过计算窗口评分占比和每个项...
【文章来源】:燕山大学河北省
【文章页数】:59 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 无监督检测算法
1.2.2 有监督检测算法
1.2.3 半监督算法
1.3 主要研究内容
1.4 论文组织结构
第2章 协同过滤推荐算法及相关理论
2.1 协同过滤推荐算法
2.1.1 基于用户的协同过滤推荐算法
2.1.2 基于物品的协同过滤推荐算法
2.2 攻击技术相关理论知识
2.2.1 攻击概貌
2.2.2 攻击模型
2.3 群组攻击相关理论知识
2.3.1 群组攻击介绍
2.3.2 群组攻击模型
2.4 相关理论
2.4.1 时间序列划分方法
2.4.2 聚类算法相关理论
2.5 本章小结
第3章 基于多维用户评分偏移度的群组攻击检测
3.1 引言
3.2 基于多维用户评分偏移度的群组攻击检测框架
3.3 用户特征计算
3.4 攻击群组筛选
3.5 可疑群组用户可疑度排序
3.6 本章小结
第4章 基于时间序列的群组攻击检测
4.1 引言
4.2 基于时间序列的群组攻击的检测框架
4.3 计算项目评分爆发点
4.4 群组可疑度排序
4.5 攻击群组检测
4.6 本章小结
第5章 实验验证与分析
5.1 实验数据集及设置
5.1.1 实验数据
5.1.2 实验环境
5.1.3 评价标准
5.2 基于多维用户评分偏移度的群组攻击检测算法实验结果及分析
5.2.1 对比实验介绍
5.2.2 实验结果与分析
5.3 基于时间序列的群组攻击检测算法实验结果及分析
5.3.1 对比实验介绍
5.3.2 实验结果与分析
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
【参考文献】:
期刊论文
[1]利用加权用户关系图的谱分析探测大规模电子商务水军团体[J]. 韩忠明,杨珂,谭旭升. 计算机学报. 2017(04)
[2]一种基于流行度分类特征的托攻击检测算法[J]. 李文涛,高旻,李华,熊庆宇,文俊浩,凌斌. 自动化学报. 2015(09)
[3]基于多维风险因子的推荐攻击检测方法[J]. 于洪涛,李鹏,张付志. 小型微型计算机系统. 2015(05)
[4]基于仿生模式识别的未知推荐攻击检测[J]. 周全强,张付志,刘文远. 软件学报. 2014(11)
[5]推荐系统托攻击模型与检测技术[J]. 伍之昂,王有权,曹杰. 科学通报. 2014(07)
[6]基于SVM-KNN的半监督托攻击检测方法[J]. 吕成戍,王维国. 计算机工程与应用. 2013(22)
[7]一种基于用户偏好自动分类的社会媒体共享和推荐方法[J]. 贾大文,曾承,彭智勇,成鹏,阳志敏,卢舟. 计算机学报. 2012(11)
[8]基于特征选择的推荐系统托攻击检测算法[J]. 伍之昂,庄毅,王有权,曹杰. 电子学报. 2012(08)
[9]主成分分析法和熵值法在农村居民点集约利用评价中的比较[J]. 赵丽,朱永明,付梅臣,张蓬涛,曹银贵. 农业工程学报. 2012(07)
[10]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)
硕士论文
[1]融合时间维度的托攻击检测及应用研究[D]. 田仁丽.重庆大学 2016
本文编号:3375863
【文章来源】:燕山大学河北省
【文章页数】:59 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 无监督检测算法
1.2.2 有监督检测算法
1.2.3 半监督算法
1.3 主要研究内容
1.4 论文组织结构
第2章 协同过滤推荐算法及相关理论
2.1 协同过滤推荐算法
2.1.1 基于用户的协同过滤推荐算法
2.1.2 基于物品的协同过滤推荐算法
2.2 攻击技术相关理论知识
2.2.1 攻击概貌
2.2.2 攻击模型
2.3 群组攻击相关理论知识
2.3.1 群组攻击介绍
2.3.2 群组攻击模型
2.4 相关理论
2.4.1 时间序列划分方法
2.4.2 聚类算法相关理论
2.5 本章小结
第3章 基于多维用户评分偏移度的群组攻击检测
3.1 引言
3.2 基于多维用户评分偏移度的群组攻击检测框架
3.3 用户特征计算
3.4 攻击群组筛选
3.5 可疑群组用户可疑度排序
3.6 本章小结
第4章 基于时间序列的群组攻击检测
4.1 引言
4.2 基于时间序列的群组攻击的检测框架
4.3 计算项目评分爆发点
4.4 群组可疑度排序
4.5 攻击群组检测
4.6 本章小结
第5章 实验验证与分析
5.1 实验数据集及设置
5.1.1 实验数据
5.1.2 实验环境
5.1.3 评价标准
5.2 基于多维用户评分偏移度的群组攻击检测算法实验结果及分析
5.2.1 对比实验介绍
5.2.2 实验结果与分析
5.3 基于时间序列的群组攻击检测算法实验结果及分析
5.3.1 对比实验介绍
5.3.2 实验结果与分析
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
【参考文献】:
期刊论文
[1]利用加权用户关系图的谱分析探测大规模电子商务水军团体[J]. 韩忠明,杨珂,谭旭升. 计算机学报. 2017(04)
[2]一种基于流行度分类特征的托攻击检测算法[J]. 李文涛,高旻,李华,熊庆宇,文俊浩,凌斌. 自动化学报. 2015(09)
[3]基于多维风险因子的推荐攻击检测方法[J]. 于洪涛,李鹏,张付志. 小型微型计算机系统. 2015(05)
[4]基于仿生模式识别的未知推荐攻击检测[J]. 周全强,张付志,刘文远. 软件学报. 2014(11)
[5]推荐系统托攻击模型与检测技术[J]. 伍之昂,王有权,曹杰. 科学通报. 2014(07)
[6]基于SVM-KNN的半监督托攻击检测方法[J]. 吕成戍,王维国. 计算机工程与应用. 2013(22)
[7]一种基于用户偏好自动分类的社会媒体共享和推荐方法[J]. 贾大文,曾承,彭智勇,成鹏,阳志敏,卢舟. 计算机学报. 2012(11)
[8]基于特征选择的推荐系统托攻击检测算法[J]. 伍之昂,庄毅,王有权,曹杰. 电子学报. 2012(08)
[9]主成分分析法和熵值法在农村居民点集约利用评价中的比较[J]. 赵丽,朱永明,付梅臣,张蓬涛,曹银贵. 农业工程学报. 2012(07)
[10]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)
硕士论文
[1]融合时间维度的托攻击检测及应用研究[D]. 田仁丽.重庆大学 2016
本文编号:3375863
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3375863.html