本文關(guān)鍵詞：推薦系統(tǒng)內(nèi)攻擊塊檢測(cè)算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：推薦系統(tǒng)作為一個(gè)高效的信息過(guò)濾工具,已廣泛應(yīng)用于電子商務(wù)和社交網(wǎng)絡(luò)等諸多領(lǐng)域。然而,當(dāng)前一些稱(chēng)為“水軍”的惡意用戶(hù)為獲取不正當(dāng)利益,往往通過(guò)偽造用戶(hù)行為影響推薦結(jié)果,給商家和用戶(hù)的利益都造成了損害。這種行為被稱(chēng)作托攻擊。當(dāng)前托攻擊大致可以分為兩類(lèi),一類(lèi)是“推攻擊”,即為某些項(xiàng)目生成大量褒獎(jiǎng)記錄以推銷(xiāo)該項(xiàng)目,另一類(lèi)是“核攻擊”,即為某些項(xiàng)目生成大量的差評(píng)記錄來(lái)詆毀該項(xiàng)目。隨著推薦系統(tǒng)的興起,對(duì)托攻擊的檢測(cè)已然成為當(dāng)前的研究熱點(diǎn),本文所關(guān)注的即是對(duì)“托攻擊”中“核攻擊”的檢測(cè)。 許多現(xiàn)有的研究方法主要從兩個(gè)角度解決核攻擊的問(wèn)題,第一種注重檢測(cè)獨(dú)立的攻擊者而忽略攻擊者之間可能存在的團(tuán)體合作性；第二種先分別找到“一組合作的攻擊者”和被其攻擊的“一組攻擊項(xiàng)目”的候選者,再?gòu)闹袑?duì)攻擊進(jìn)行偵測(cè),這樣做既不直接也不高效,難以處理當(dāng)前的海量數(shù)據(jù)。針對(duì)不能同時(shí)找出合作的“攻擊者組”和“攻擊項(xiàng)目組”的問(wèn)題,本文從一個(gè)新的角度,提出算法MAB (Mining Attack-Block),該算法同時(shí)考慮“攻擊者組”和“攻擊項(xiàng)目組”,并采用頻繁項(xiàng)集挖掘的思路,把攻擊行為檢測(cè)出來(lái)。此外,為應(yīng)對(duì)較大數(shù)據(jù)量的挑戰(zhàn),本文進(jìn)一步探究了針對(duì)MAB算法的剪枝策略以提高算法效率,并在數(shù)據(jù)集上對(duì)算法的有效性和高效性進(jìn)行了檢驗(yàn)。本文的主要工作可以概括如下： 1.為檢測(cè)“核攻擊”內(nèi)的“攻擊者組”和“攻擊項(xiàng)目組”,創(chuàng)新性地提出將“攻擊者和攻擊者”之間的關(guān)系以及“攻擊者和攻擊項(xiàng)”之間的關(guān)系作為特征引入攻擊檢測(cè)之中,并據(jù)此提出了“攻擊塊”的概念。 2.提出兩個(gè)用于評(píng)估“攻擊塊”的衡量標(biāo)準(zhǔn),“塊面積率”和“塊打分率”,并據(jù)此提出攻擊塊檢測(cè)算法MAB,該算法采用頻繁項(xiàng)集挖掘的思想對(duì)“攻擊塊”進(jìn)行檢測(cè)。還探究了兩個(gè)標(biāo)準(zhǔn)的上界以對(duì)檢測(cè)范圍進(jìn)行剪枝,提高檢測(cè)效率。 3.在數(shù)據(jù)集上對(duì)MAB算法進(jìn)行檢驗(yàn)。實(shí)驗(yàn)結(jié)果表明,MAB算法能夠準(zhǔn)確地檢測(cè)出攻擊塊,并且算法中采用的剪枝策略表現(xiàn)出了良好的性能,具有廣泛的應(yīng)用前景。
【關(guān)鍵詞】：推薦系統(tǒng) 推攻擊 核攻擊 攻擊塊 上界
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TP391.3;TP393.08
【目錄】：

• 摘要5-6
• ABSTRACT6-8
• 目錄8-10
• 表格索引10-11
• 插圖索引11-12
• 算法索引12-13
• 第一章 緒論13-21
• 1.1 研究背景13-15
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀15-16
• 1.3 研究動(dòng)機(jī)16-17
• 1.4 研究?jī)?nèi)容和貢獻(xiàn)17-18
• 1.5 論文的組織結(jié)構(gòu)18-21
• 第二章 推薦系統(tǒng)與托攻擊21-29
• 2.1 推薦系統(tǒng)21-24
• 2.2 托攻擊的含義和分類(lèi)24-25
• 2.3 托攻擊檢測(cè)方法25-27
• 2.3.1 托攻擊檢測(cè)方法分類(lèi)25-26
• 2.3.2 托攻擊檢測(cè)中常用的檢測(cè)指標(biāo)26
• 2.3.3 經(jīng)典的靜態(tài)檢測(cè)方法介紹26-27
• 2.3.4 經(jīng)典的動(dòng)態(tài)檢測(cè)方法介紹27
• 2.4 本章小結(jié)27-29
• 第三章 基于攻擊塊的攻擊檢測(cè)方法MAB29-45
• 3.1 攻擊檢測(cè)問(wèn)題定義及評(píng)價(jià)標(biāo)準(zhǔn)29-34
• 3.1.1 推薦系統(tǒng)中的事務(wù)數(shù)據(jù)庫(kù)29-30
• 3.1.2 攻擊塊相關(guān)定義30-34
• 3.2 攻擊塊檢測(cè)方法MAB實(shí)現(xiàn)過(guò)程34-36
• 3.3 估計(jì)“衡量標(biāo)準(zhǔn)”上界36-43
• 3.3.1 估計(jì)上界所用符號(hào)及釋義36-38
• 3.3.2 估計(jì)“塊打分率(BRR)”的上界38-40
• 3.3.3 估計(jì)“塊面積率(BAR)”的上界40-42
• 3.3.4 估計(jì)“塊質(zhì)量(BQ)”的上界42-43
• 3.4 本章小結(jié)43-45
• 第四章 攻擊檢測(cè)實(shí)驗(yàn)及分析45-51
• 4.1 實(shí)驗(yàn)設(shè)計(jì)及數(shù)據(jù)45
• 4.2 衡量MAB的評(píng)價(jià)指標(biāo)45-46
• 4.3 MAB準(zhǔn)確性比較46-47
• 4.4 MAB運(yùn)行效率比較47-49
• 4.5 本章小結(jié)49-51
• 第五章 MAB算法擴(kuò)展51-55
• 5.1 擴(kuò)展MAB算法以檢測(cè)“推攻擊”51-54
• 5.1.1 用于推攻擊的“塊打分率~*(BRR~*)”51-52
• 5.1.2 用于推攻擊的“塊打分率~*上界(BRR~*_Bound)”52-54
• 5.2 本章小結(jié)54-55
• 第六章 總結(jié)和展望55-59
• 6.1 研究工作總結(jié)55-56
• 6.2 下一步研究工作56-59
• 參考文獻(xiàn)59-63
• 致謝63-65
• 在讀期間發(fā)表的學(xué)術(shù)論文與取得的研究成果65

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

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

  本文關(guān)鍵詞：推薦系統(tǒng)內(nèi)攻擊塊檢測(cè)算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：283570