【摘要】：協(xié)同過(guò)濾系統(tǒng)在很大程度上緩解了網(wǎng)絡(luò)上“信息過(guò)載”的問(wèn)題,然而由于自身開(kāi)放性的因素,使其在面對(duì)攻擊時(shí)會(huì)呈現(xiàn)出脆弱性,嚴(yán)重危害到推薦系統(tǒng)。因此如何高效地檢測(cè)攻擊用戶成為推薦系統(tǒng)安全領(lǐng)域亟需解決的問(wèn)題。為了控制托攻擊對(duì)協(xié)同過(guò)濾系統(tǒng)帶來(lái)的影響,國(guó)內(nèi)外研究學(xué)者采用了很多檢測(cè)算法檢測(cè)攻擊用戶,然而已有的有監(jiān)督檢測(cè)算法易受到攻擊類(lèi)型的約束,而無(wú)監(jiān)督檢測(cè)算法大多需要先驗(yàn)知識(shí)才能保證其有效性,并且為了躲避檢測(cè)算法,攻擊用戶使用新的攻擊策略,對(duì)現(xiàn)有檢測(cè)算法提出了極大的考驗(yàn)。針對(duì)這一問(wèn)題,本文對(duì)協(xié)同過(guò)濾系統(tǒng)中的托攻擊檢測(cè)進(jìn)行深入研究。首先,通過(guò)分析用戶評(píng)分行為,提出一種基于LDA與MTD模型的托攻擊檢測(cè)算法。該檢測(cè)算法在抽取偏好主題的基礎(chǔ)上,定量地分析真實(shí)用戶與攻擊用戶評(píng)分模式上的差異。借鑒標(biāo)簽傳播的思想,計(jì)算產(chǎn)品可疑度,并通過(guò)線性加權(quán)平均計(jì)算評(píng)分行為可疑度。通過(guò)計(jì)算滑動(dòng)窗口內(nèi)評(píng)分行為可疑度差值之和,識(shí)別真實(shí)用戶與攻擊評(píng)分行為可疑度的分界點(diǎn),得到攻擊用戶的規(guī)模,從而檢測(cè)攻擊用戶。其次,本文在灰色理論模型與密度聚類(lèi)算法(DBSCAN)的理論基礎(chǔ)上,提出一種基于灰色理論與密度聚類(lèi)的托攻擊檢測(cè)算法。該算法以灰色理論模型為理論基礎(chǔ)計(jì)算產(chǎn)品均值灰色關(guān)聯(lián)度,并以此為基礎(chǔ),計(jì)算用戶之間的加權(quán)灰色關(guān)聯(lián)度,得到用戶距離矩陣。利用用戶距離矩陣對(duì)用戶進(jìn)行密度聚類(lèi)分析,進(jìn)而得到候選攻擊用戶。通過(guò)計(jì)算攻擊用戶中每個(gè)用戶的最小距離并排序,得到最小距離序列,同時(shí)計(jì)算序列中每個(gè)用戶點(diǎn)的曲率。通過(guò)一定的條件選取曲率點(diǎn)作為真實(shí)與攻擊用戶的分界點(diǎn),以此檢測(cè)攻擊用戶。最后,在MovieLens 1M數(shù)據(jù)集以及NetFlix數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,本文提出的檢測(cè)算法能夠高效的檢測(cè)多種類(lèi)型的攻擊。
【圖文】：

第 3 章 基于 LDA 與 MTD 模型的托攻擊檢測(cè)算法鄰用戶之間可疑度的差值。定義 3.9：滑動(dòng)窗口中評(píng)分行為可疑度差值之和：第 d 個(gè)滑動(dòng)窗口中評(píng)分行為可疑度差值之和dSusdd 表示計(jì)算滑動(dòng)窗口內(nèi)評(píng)分行為可疑度差值之和，公式如下： sWjddjSusddusd11(3-11)其中，，sW 表示滑動(dòng)窗口的大小，其主要是為了增大真實(shí)用戶與攻擊用戶在邊界處的滑動(dòng)窗口中評(píng)分行為可疑度差值之和，使真實(shí)用戶與攻擊用戶的邊界更加明顯，其值應(yīng)小于攻擊用戶數(shù)量，實(shí)驗(yàn)中選取sW =10。

第 3 章 基于 LDA 與 MTD 模型的托攻擊檢測(cè)算法鄰用戶之間可疑度的差值。定義 3.9：滑動(dòng)窗口中評(píng)分行為可疑度差值之和：第 d 個(gè)滑動(dòng)窗口中評(píng)分行為可疑度差值之和dSusdd 表示計(jì)算滑動(dòng)窗口內(nèi)評(píng)分行為可疑度差值之和，公式如下： sWjddjSusddusd11(3-11)其中，sW 表示滑動(dòng)窗口的大小，其主要是為了增大真實(shí)用戶與攻擊用戶在邊界處的滑動(dòng)窗口中評(píng)分行為可疑度差值之和，使真實(shí)用戶與攻擊用戶的邊界更加明顯，其值應(yīng)小于攻擊用戶數(shù)量，實(shí)驗(yàn)中選取sW =10。
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TP391.3;N941.5

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;美國(guó)研發(fā)出不解密流量即可檢測(cè)攻擊行為的新工具[J];保密科學(xué)技術(shù);2015年11期

2 王尚廣;陳昕;;淺談入侵檢測(cè)技術(shù)[J];黑龍江科技信息;2007年23期

3 代威;石磊;;基于模糊支持向量機(jī)的云安全檢測(cè)攻擊與分類(lèi)[J];福建電腦;2018年04期

4 段紅;;新理念 新團(tuán)隊(duì) 新產(chǎn)品[J];計(jì)算機(jī)安全;2007年05期

5 彭學(xué)軍;;遺傳算法在網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)中的應(yīng)用[J];計(jì)算機(jī)光盤(pán)軟件與應(yīng)用;2013年24期

6 宋華,幸丘林,李維奇,戴一奇;MP3Stego信息隱藏與檢測(cè)方法研究[J];中山大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年S2期

7 寒木;IPS炙手可熱 騰盟力推多款新品[J];電子商務(wù)世界;2005年07期

8 雷鳴;劉毅娟;何e

本文編號(hào)：2670695