互聯(lián)網(wǎng)應(yīng)用的迅猛發(fā)展，導(dǎo)致信息過載的問題出現(xiàn)在人們的面前。為了解決這個(gè)問題，個(gè)性化推薦技術(shù)應(yīng)運(yùn)而生。隨著商業(yè)競爭的日益激烈，電子商務(wù)中出現(xiàn)一些惡意用戶，利用推薦系統(tǒng)自身存在的一些特性對推薦系統(tǒng)發(fā)動攻擊，影響推薦系統(tǒng)的推薦結(jié)果。如何有效的對推薦攻擊進(jìn)行檢測，提高推薦系統(tǒng)的魯棒性，保證推薦系統(tǒng)的推薦質(zhì)量，已經(jīng)成為近年來研究的熱點(diǎn)。本文主要從推薦攻擊檢測出發(fā)，針對用戶概貌注入攻擊（ProfileInjectionAttack）的檢測進(jìn)行相關(guān)的研究。包括攻擊用戶概貌的特征、隨機(jī)攻擊等幾種攻擊模型中攻擊用戶概貌的結(jié)構(gòu)組成、以及現(xiàn)有的幾種攻擊用戶概貌檢測技術(shù)。對相關(guān)知識進(jìn)行深入研究后，在前人研究的基礎(chǔ)上，提出了一種新的攻擊檢測算法。本文的主要工作如下：1、對推薦系統(tǒng)、協(xié)同過濾推薦技術(shù)的原理進(jìn)行深入的理解。研究推薦攻擊的相關(guān)知識，理解推薦攻擊的原理與方法。對隨機(jī)攻擊等幾種攻擊模型的實(shí)現(xiàn)原理進(jìn)行分析，并在協(xié)同過濾推薦算法的基礎(chǔ)上對幾種攻擊模型進(jìn)行實(shí)現(xiàn)。通過實(shí)驗(yàn)結(jié)果來分析推薦攻擊對系統(tǒng)的影響。2、在對推薦攻擊深入理解的基礎(chǔ)上，對包括RDMA、WDMA、FMTD等幾種現(xiàn)有的經(jīng)典攻擊檢測算法進(jìn)行研究。分析算... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文主要工作
    1.4 論文的結(jié)構(gòu)安排
第二章 推薦系統(tǒng)與推薦算法
    2.1 推薦系統(tǒng)基本概念
    2.2 協(xié)同過濾推薦系統(tǒng)的原理
    2.3 協(xié)同過濾推薦算法
        2.3.1 基于用戶的 （User-Based ） 協(xié)同過濾推薦
        2.3.2 基于項(xiàng)目的 （Item-Based ）協(xié)同過濾推薦
        2.3.3 其他的推薦算法
        2.3.4 推薦算法的比較
    2.4 推薦系統(tǒng)中的安全問題
    2.5 本章小結(jié)
第三章 推薦系統(tǒng)中的攻擊與檢測
    3.1 推薦攻擊的相關(guān)定義
    3.2 攻擊模型
        3.2.1 攻擊用戶概貌
        3.2.2 攻擊模型的分類
    3.3 攻擊效率
        3.3.1 平均預(yù)測增量
        3.3.2 命中率
    3.4 攻擊檢測
        3.4.1 基礎(chǔ)檢測屬性
        3.4.2 模型專用檢測屬性
        3.4.3 其他攻擊檢測方法
    3.5 本章小結(jié)
第四章 典型攻擊檢測算法的評估
    4.1 攻擊檢測算法
    4.2 實(shí)驗(yàn)設(shè)計(jì)
        4.2.1 實(shí)驗(yàn)內(nèi)容
        4.2.2 實(shí)驗(yàn)過程
        4.2.3 評價(jià)指標(biāo)
        4.2.4 數(shù)據(jù)來源
    4.3 實(shí)驗(yàn)結(jié)果和分析
        4.3.1 推薦攻擊對系統(tǒng)的影響
        4.3.2 用戶影響力分析
        4.3.3 攻擊檢測
    4.4 本章小結(jié)
第五章 基于混合共同決策的攻擊檢測算法
    5.1 引言
        5.1.1 Hv-score 的引入
        5.1.2 UnRAP 攻擊檢測概貌算法
    5.2 基于混合共同決策的攻擊檢測
        5.2.1 相關(guān)定義
        5.2.2 算法研究與改進(jìn)
        5.2.3 混合共同決策算法
    5.3 實(shí)驗(yàn)及結(jié)果分析
        5.3.1 實(shí)驗(yàn)內(nèi)容
        5.3.2 數(shù)據(jù)來源
        5.3.3 實(shí)驗(yàn)評價(jià)指標(biāo)
        5.3.4 攻擊數(shù)據(jù)
        5.3.5 實(shí)驗(yàn)結(jié)果與分析
    5.4 本章小結(jié)
第六章 結(jié)論
致謝
參考文獻(xiàn)
攻碩期間取得的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]Preventing Recommendation Attack in Trust-Based Recommender Systems[J]. 張富國.  Journal of Computer Science & Technology. 2011(05)
[2]一種探測推薦系統(tǒng)托攻擊的無監(jiān)督算法[J]. 李聰,駱志剛,石金龍.  自動化學(xué)報(bào). 2011(02)
[3]基于語義聚類的協(xié)作推薦攻擊檢測模型[J]. 陳健,區(qū)慶勇,鄭宇欣,李東.  計(jì)算機(jī)應(yīng)用. 2009(05)
[4]互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J]. 許海玲,吳瀟,李曉東,閻保平.  軟件學(xué)報(bào). 2009(02)
[5]推薦系統(tǒng)安全問題及技術(shù)研究綜述[J]. 張富國,徐升華.  計(jì)算機(jī)應(yīng)用研究. 2008(03)
[6]電子商務(wù)推薦攻擊研究[J]. 余力,董斯維,郭斌.  計(jì)算機(jī)科學(xué). 2007(05)
[7]基于項(xiàng)目評分預(yù)測的協(xié)同過濾推薦算法[J]. 鄧愛林,朱揚(yáng)勇,施伯樂.  軟件學(xué)報(bào). 2003(09)
[8]個(gè)性化服務(wù)技術(shù)綜述[J]. 曾春,邢春曉,周立柱.  軟件學(xué)報(bào). 2002(10)



本文編號：3052414