本文關(guān)鍵詞：面向協(xié)同過濾的推薦攻擊特征提取及檢測方法，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著電子商務(wù)的快速發(fā)展,網(wǎng)絡(luò)經(jīng)濟(jì)時(shí)代到來,但同時(shí)也帶來了“信息過載”問題,推薦技術(shù)應(yīng)運(yùn)而生。但由于推薦系統(tǒng)的開放性和對用戶信息的敏感性,使它存在著安全隱患。一些惡意用戶向系統(tǒng)人為注入大量虛假用戶概貌,企圖產(chǎn)生對自身有利的推薦,這種行為嚴(yán)重降低了推薦的質(zhì)量。因此,保障推薦系統(tǒng)的安全是刻不容緩的問題。本文在綜合分析國內(nèi)外研究現(xiàn)狀的基礎(chǔ)上,針對協(xié)同過濾推薦系統(tǒng)中用戶攻擊概貌注入攻擊檢測算法進(jìn)行了深入的研究。首先,針對已有通用特征提取方法對未知推薦攻擊描述效果不好的的問題,通過引入小波變換,提出兩種推薦攻擊特征提取方法。第一種是,從用戶評分分布的角度考慮,利用小波分解重構(gòu)后各級信號的能量分布情況提取已知類型推薦攻擊的專用特征。第二種是,利用小波分解對數(shù)據(jù)降維,再利用熵的相關(guān)理論知識提取針對未知類型推薦攻擊的通用特征。其次,針對已有攻擊檢測算法不能有效檢測未知類型推薦攻擊的問題,在提出了以上特征值的基礎(chǔ)上,提出一種基于聚類的未知類型攻擊檢測算法。首先,利用通用特征提取方法將測試集映射到特征空間,采用聚類算法對特征空間中用戶進(jìn)行聚類,設(shè)定數(shù)據(jù)集中攻擊概貌一定少有真實(shí)用戶概貌,由此判定攻擊概貌類簇,完成檢測。針對均值攻擊等在生成攻擊概貌時(shí)填充項(xiàng)在除目標(biāo)項(xiàng)和選擇項(xiàng)之外的所有項(xiàng)目中隨機(jī)選取的攻擊類型,提出了一種基于聚類的已知類型攻擊檢測算法。該算法與上述算法過程相似,只是改用專用特征提取方法進(jìn)行特征提取。最后,將本文提出的用戶概貌注入攻擊檢測算法和現(xiàn)有的檢測算法進(jìn)行了實(shí)驗(yàn)對比與分析。
【關(guān)鍵詞】：協(xié)同過濾 推薦攻擊檢測 小波變換 聚類算法 信息熵
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP393.08
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-15
• 1.1 研究背景及意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-13
• 1.3 本文的主要研究內(nèi)容13-14
• 1.4 本文的組織結(jié)構(gòu)14-15
• 第2章 協(xié)同過濾推薦及相關(guān)知識15-26
• 2.1 協(xié)同過濾推薦算法15-17
• 2.1.1 基于用戶的協(xié)同過濾推薦算法15-16
• 2.1.2 基于項(xiàng)目的協(xié)同過濾推薦算法16-17
• 2.2 協(xié)同過濾推薦系統(tǒng)攻擊及分析17-23
• 2.2.1 攻擊的基本概念17-19
• 2.2.2 攻擊模型的分類19-21
• 2.2.3 攻擊效果評價(jià)方法21-23
• 2.3 相關(guān)理論介紹23-25
• 2.3.1 小波變換23-24
• 2.3.2 熵24-25
• 2.4 本章小結(jié)25-26
• 第3章 推薦攻擊特征提取方法26-38
• 3.1 引言26-27
• 3.2 評分分布序列的生成27-29
• 3.3 基于小波變換的特征提取算法29-36
• 3.3.1 專用特征值提取方法32-33
• 3.3.2 通用特征值提取方法33-36
• 3.4 本章小結(jié)36-38
• 第4章 基于聚類的推薦攻擊檢測方法38-45
• 4.1 引言38-39
• 4.2 基于聚類的未知類型推薦攻擊檢測方法39-41
• 4.2.1 檢測算法模型39-40
• 4.2.2 檢測算法描述40-41
• 4.3 基于聚類的已知類型推薦攻擊檢測方法41-43
• 4.4 本章小結(jié)43-45
• 第5章 實(shí)驗(yàn)驗(yàn)證與分析45-55
• 5.1 實(shí)驗(yàn)數(shù)據(jù)和設(shè)置45
• 5.2 實(shí)驗(yàn)評價(jià)指標(biāo)45-46
• 5.3 實(shí)驗(yàn)結(jié)果及對比分析46-53
• 5.3.1 基于聚類的已知類型推薦攻擊檢測算法的實(shí)驗(yàn)對比及分析46-49
• 5.3.2 基于聚類的未知類型推薦攻擊檢測算法的實(shí)驗(yàn)對比及分析49-53
• 5.4 本章小結(jié)53-55
• 結(jié)論55-57
• 參考文獻(xiàn)57-62
• 攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果62-63
• 致謝63-64
• 作者簡介64

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 范麗敏;馮登國;陳華;;基于熵的隨機(jī)性檢測相關(guān)性研究[J];軟件學(xué)報(bào);2009年07期

2 劉建國;周濤;汪秉宏;;個(gè)性化推薦系統(tǒng)的研究進(jìn)展[J];自然科學(xué)進(jìn)展;2009年01期

  本文關(guān)鍵詞：面向協(xié)同過濾的推薦攻擊特征提取及檢測方法，由筆耕文化傳播整理發(fā)布。

，

本文編號：319252