本文關鍵詞：基于多維風險因子的推薦攻擊檢測方法

  更多相關文章： 風險因子 推薦攻擊檢測 信息熵 分類權重 風險值

【摘要】：針對現(xiàn)有推薦攻擊檢測方法對真實概貌誤判率較高的問題,提出一種基于多維風險因子的推薦攻擊檢測方法.首先,引入時間間隔可疑度、風險反饋、懲罰函數(shù)和用戶評分活躍度等多個風險因子,從多個角度推理和評估用戶評分行為的風險值;然后,在多維風險因子的融合計算過程中,利用信息熵理論確立風險因子的分類權重,以提高風險評估的準確性;最后,根據(jù)用戶評分行為風險評估值的加權和檢測出相應的攻擊概貌.在Movie Lens真實數(shù)據(jù)集上實驗結果表明,所提出的檢測方法能夠在保持較高召回率的條件下有效提高推薦攻擊檢測的準確率.
【作者單位】： 燕山大學信息科學與工程學院;河北省計算機虛擬技術與系統(tǒng)集成重點實驗室;
【基金】：國家自然科學基金項目(61379116)資助 河北省自然科學基金項目(F2011203219,F2013203124,F2015203046)資助 河北省高等學校科學技術研究重點項目(ZH2012028)資助
【分類號】：TP393.08
【正文快照】： 1引言針對互聯(lián)網(wǎng)中出現(xiàn)的“信息過載”[1]問題,推薦系統(tǒng)提供了一種有效地解決方法.然而,推薦系統(tǒng)無法識別來自惡意用戶的虛假評分,使其產生的推薦容易受到惡意用戶的操控,從而影響了推薦質量[2,3],這種向推薦系統(tǒng)注入虛假用戶評分的行為稱作“托攻擊”(shilling attacks)[4].

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 伍之昂;莊毅;王有權;曹杰;;基于特征選擇的推薦系統(tǒng)托攻擊檢測算法[J];電子學報;2012年08期

2 胡彩平;秦小麟;;一種基于密度的局部離群點檢測算法DLOF[J];計算機研究與發(fā)展;2010年12期

3 劉清林;孟珂;李蘇豐;;基于統(tǒng)計過程控制的協(xié)同推薦攻擊檢測方法[J];計算機應用;2012年03期

4 賈大文;曾承;彭智勇;成鵬;陽志敏;盧舟;;一種基于用戶偏好自動分類的社會媒體共享和推薦方法[J];計算機學報;2012年11期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 肖建瓊;宋國琴;羅興賢;;基于時間序列數(shù)據(jù)流的孤立點自適應異常檢測[J];電腦知識與技術;2011年34期

2 張彥龍;;基于上下文感知的組推薦系統(tǒng)框架設計[J];經(jīng)營管理者;2014年06期

3 苗永春;程艷;;離群點檢測方法及其在大數(shù)據(jù)時代下的改進方法研究[J];江西師范大學學報(自然科學版);2014年05期

4 岳志明;;集成電路中用于離群點測試選擇的總體框架[J];工業(yè)控制計算機;2014年11期

5 揭財明;劉慧君;朱慶生;;基于方形對稱鄰域的局部離群點檢測方法[J];計算機應用研究;2012年02期

6 張強;王春霞;趙健;武龍舉;李靜永;;基于聚類和局部信息的離群點檢測算法[J];吉林大學學報(理學版);2012年06期

7 劉耀宗;張宏;孟錦;韓法旺;;基于小波密度估計的數(shù)據(jù)流離群點檢測[J];計算機工程;2013年02期

8 楊福萍;王洪國;董樹霞;牛家洋;丁艷輝;;基于聚類劃分的兩階段離群點檢測算法[J];計算機應用研究;2013年07期

9 王敬華;趙新想;張國燕;劉建銀;;NLOF:一種新的基于密度的局部離群點檢測算法[J];計算機科學;2013年08期

10 孟靜;吳錫生;;一種基于聚類和快速計算的異常數(shù)據(jù)挖掘算法[J];計算機工程;2013年08期

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 楊顯飛;數(shù)據(jù)流集成分類器算法研究[D];哈爾濱工程大學;2011年

2 楊高明;基于聚類的隱私保護數(shù)據(jù)發(fā)布關鍵技術研究[D];哈爾濱工程大學;2012年

3 聶建輝;自定位實物數(shù)字化技術研究[D];大連海事大學;2012年

4 豆增發(fā);生物命名實體識別及生物文本分類[D];西安電子科技大學;2013年

5 李聰;協(xié)同過濾推薦系統(tǒng)托攻擊防御技術研究[D];國防科學技術大學;2012年

6 周全強;面向協(xié)同過濾的推薦攻擊特征提取及集成檢測方法研究[D];燕山大學;2013年

7 賈冬艷;基于多維信任模型的可信推薦方法研究[D];燕山大學;2013年

8 楊冬;Web服務中若干問題的研究[D];吉林大學;2014年

9 崔昊e，

本文編號：1147350