高速發(fā)展的網(wǎng)絡(luò)科技推動了信息與數(shù)據(jù)的大量生產(chǎn),但同時也造成了信息過載問題,個性化推薦系統(tǒng)較好地緩解了這一現(xiàn)象,現(xiàn)已應(yīng)用在眾多網(wǎng)絡(luò)平臺。同時,隨著社交網(wǎng)絡(luò)的興起,社會化推薦也成為熱點研究,它能夠利用社交關(guān)系信息緩解推薦算法中的稀疏性和冷啟動問題。然而由于主流的推薦算法依賴用戶的歷史行為數(shù)據(jù),虛假用戶趁機利用這一特性向推薦系統(tǒng)注入虛假評分信息、社交關(guān)系等,改變正常的推薦結(jié)果從而達到牟利的目的。這種行為不僅改變推薦結(jié)果、降低用戶滿意度,并且嚴重影響了公平有序的線上環(huán)境。因此如何檢測出這些惡意的虛假用戶,凈化推薦環(huán)境是一個重要的研究內(nèi)容。這一問題已經(jīng)得到研究者的廣泛關(guān)注,雖然目前已有一些成熟的方法檢測虛假用戶,但是隨著虛假用戶攻擊模型的不斷升級,例如虛假用戶借助社交關(guān)系提高攻擊能力,傳統(tǒng)的針對評分攻擊的虛假用戶檢測的方法無法較好地檢測出這種社會化攻擊。為了探究應(yīng)對社會化攻擊的虛假用戶檢測方法并提高檢測性能,本文首先提出了多種融合關(guān)系和評分的混合攻擊模型,通過該模型向推薦系統(tǒng)數(shù)據(jù)集注入虛假用戶來模擬真實場景中的虛假用戶;并提出了適用于應(yīng)對社會化攻擊的虛假用戶檢測算法,該方法通過結(jié)挖掘社交關(guān)系中的... 

【文章來源】： 宋宇琦 重慶大學(xué)

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
英文摘要
1 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 虛假用戶注入研究現(xiàn)狀
        1.3.2 虛假用戶檢測研究現(xiàn)狀
    1.4 本文的研究內(nèi)容
    1.5 本文的組織結(jié)構(gòu)
2 相關(guān)理論與技術(shù)分析
    2.1 推薦算法介紹
        2.1.1 基于協(xié)同過濾的推薦算法
        2.1.2 社會化推薦方法
    2.2 虛假用戶生成方法
        2.2.1 托攻擊與攻擊概貌
        2.2.2 經(jīng)典攻擊模型
        2.2.3 混淆方法
        2.2.4 攻擊評估指標
    2.3 虛假用戶檢測方法
        2.3.1 虛假用戶檢測模型
        2.3.2 檢測評估指標
    2.4 本章小結(jié)
3 融合社會關(guān)系的混合攻擊模型
    3.1 算法框架
        3.1.1 基本定義
        3.1.2 社會關(guān)系攻擊模型
        3.1.3 混合攻擊模型
    3.2 實驗及結(jié)果分析
        3.2.1 數(shù)據(jù)集與實驗設(shè)置
        3.2.2 攻擊結(jié)果
        3.2.3 參數(shù)敏感性分析
    3.3 本章小結(jié)
4 基于異構(gòu)信息網(wǎng)絡(luò)與矩陣分解的虛假用戶檢測模型
    4.1 異構(gòu)信息網(wǎng)絡(luò)
        4.1.1 基本概念
        4.1.2 實例
    4.2 算法框架
        4.2.1 構(gòu)造異構(gòu)信息網(wǎng)絡(luò)
        4.2.2 設(shè)計元路徑
        4.2.3 生成節(jié)點序列
        4.2.4 訓(xùn)練用戶嵌入向量
        4.2.5 矩陣分解
        4.2.6 聯(lián)合訓(xùn)練檢測模型
    4.3 實驗及結(jié)果分析
        4.3.1 數(shù)據(jù)集與實驗設(shè)置
        4.3.2 虛假用戶檢測效果
        4.3.3 參數(shù)敏感性分析
    4.4 本章小結(jié)
5 原型系統(tǒng)的設(shè)計與實現(xiàn)
    5.1 系統(tǒng)設(shè)計
        5.1.1 系統(tǒng)需求分析
        5.1.2 系統(tǒng)架構(gòu)設(shè)計
        5.1.3 系統(tǒng)功能設(shè)計
        5.1.4 數(shù)據(jù)庫設(shè)計
    5.2 系統(tǒng)實現(xiàn)
        5.2.1 用戶登錄注冊模塊實現(xiàn)
        5.2.2 推薦模塊實現(xiàn)
        5.2.3 項目/用戶管理模塊
        5.2.4 用戶注入模塊實現(xiàn)
        5.2.5 用戶檢測模塊實現(xiàn)
    5.3 本章小結(jié)
6 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 未來工作展望
參考文獻
附錄
    A.作者在攻讀碩士學(xué)位期間發(fā)表的論文
    B.作者在攻讀碩士學(xué)位期間參與的科研項目
    C.學(xué)位論文數(shù)據(jù)集
致謝


【參考文獻】：
期刊論文
[1]基于雙層采樣主動學(xué)習(xí)的社交網(wǎng)絡(luò)虛假用戶檢測方法[J]. 譚侃,高旻,李文濤,田仁麗,文俊浩,熊慶宇.  自動化學(xué)報. 2017(03)
[2]社會化推薦系統(tǒng)研究[J]. 孟祥武,劉樹棟,張玉潔,胡勛.  軟件學(xué)報. 2015(06)
[3]推薦系統(tǒng)托攻擊模型與檢測技術(shù)[J]. 伍之昂,王有權(quán),曹杰.  科學(xué)通報. 2014(07)
[4]Securing Recommender Systems Against Shilling Attacks Using Social-Based Clustering[J]. 張響亮,Tak Man Desmond Lee,Georgios Pitsilis.  Journal of Computer Science & Technology. 2013(04)
[5]基于特征選擇的推薦系統(tǒng)托攻擊檢測算法[J]. 伍之昂,莊毅,王有權(quán),曹杰.  電子學(xué)報. 2012(08)
[6]用于魯棒協(xié)同推薦的元信息增強變分貝葉斯矩陣分解模型[J]. 李聰,駱志剛.  自動化學(xué)報. 2011(09)
[7]推薦系統(tǒng)安全問題及技術(shù)研究綜述[J]. 張富國,徐升華.  計算機應(yīng)用研究. 2008(03)

博士論文
[1]融合社會輔助信息的社會化推薦研究[D]. 胡祥.北京郵電大學(xué) 2017

碩士論文
[1]協(xié)同過濾推薦系統(tǒng)中的關(guān)鍵算法研究[D]. 劉強.浙江大學(xué) 2013



本文編號：3036118