【摘要】：隨著計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的迅速發(fā)展,信息資源呈爆炸式增長,如何從海量的信息中發(fā)現(xiàn)有用的知識已成為目前亟待解決的問題,推薦系統(tǒng)通過向用戶主動(dòng)推送信息以緩解信息過載問題得到了廣泛應(yīng)用。由于推薦系統(tǒng)開放性的特點(diǎn),惡意用戶可以通過注入偽造的用戶概貌以改變目標(biāo)項(xiàng)目在推薦系統(tǒng)中的排名,此類現(xiàn)象稱之為托攻擊。托攻擊行為使推薦系統(tǒng)向用戶推薦被操縱的商品或信息,干擾了推薦系統(tǒng)的正常運(yùn)行,阻礙推薦系統(tǒng)的應(yīng)用和推廣�，F(xiàn)有的推薦系統(tǒng)托攻擊檢測算法通過提取用戶概貌屬性值,利用概貌屬性值實(shí)施托攻擊檢測,取得了一定的效果。然而,隨著推薦系統(tǒng)規(guī)模的增大和工作機(jī)理復(fù)雜度的提升,已有的托攻擊檢測方法沒有充分利用托攻擊行為的群體屬性,傳統(tǒng)概貌屬性描述托攻擊概貌不夠準(zhǔn)確,不能有效地檢測未知類型的托攻擊,以及無法勝任數(shù)據(jù)規(guī)模增長的托攻擊等問題。本文在現(xiàn)有檢測技術(shù)中概貌屬性提取技術(shù)的基礎(chǔ)上,提出了新的用戶概貌屬性特征描述方法和具有較高檢測性能的托攻擊檢測方法。本文的主要內(nèi)容如下:①分析了推薦系統(tǒng)國內(nèi)外研究現(xiàn)狀和面臨的主要挑戰(zhàn);分析推薦系統(tǒng)中相似度計(jì)算方法、托攻擊檢測評價(jià)指標(biāo)和現(xiàn)有的用于托攻擊檢測的概貌屬性,并對推薦系統(tǒng)中概貌屬性提取技術(shù)進(jìn)行分析。②針對托攻擊群體性特征以及用戶評分矩陣稀疏性的特點(diǎn),提出一種基于目標(biāo)項(xiàng)目分析(TIA)的托攻擊檢測框架。首先找出有攻擊嫌疑的疑似托攻擊用戶集合;其次構(gòu)建由這些疑似托攻擊用戶概貌組成的評分矩陣;最后通過目標(biāo)項(xiàng)目分析方法得到攻擊意圖和目標(biāo)項(xiàng)目,檢索出托攻擊用戶。③通過分析真實(shí)用戶概貌和托攻擊用戶概貌屬性值的分布,在基于目標(biāo)項(xiàng)目分析的托攻擊檢測框架基礎(chǔ)上提出了兩種托攻擊檢測算法,基于RDMA和DegSim概貌屬性的方法(RD-TIA)和基于一種新的概貌屬性DegSim’的檢測方法(DeR-TIA)。RD-TIA主要適用于檢測均值攻擊和隨機(jī)攻擊;DeR-TIA算法能對均值攻擊、隨機(jī)攻擊、段攻擊和流行攻擊有效檢測。實(shí)驗(yàn)結(jié)果表明:RD-TIA算法檢測隨機(jī)攻擊模型和均值攻擊模型時(shí),有較高的準(zhǔn)確率和較低的假正率;而DeR-TIA能夠?qū)Χ喾N類型的托攻擊進(jìn)行檢測,具有較好的普適性。④針對現(xiàn)有的SVM托攻擊檢測算法存在的缺陷以及推薦系統(tǒng)托攻擊檢測中存在的類不均衡問題,本章提出了使用自適應(yīng)人工合成樣本方法Borderline-SMOTE來緩解類不均衡問題。提出了一種結(jié)合目標(biāo)項(xiàng)目分析和支持向量機(jī)(SVM)的檢測方法(SVM-TIA)。該方法使用自適應(yīng)人工合成樣本方法對邊界樣本進(jìn)行擬合,緩解了類不均衡問題。實(shí)驗(yàn)結(jié)果表明,SVM-TIA在一定程度上提高了托攻擊檢測結(jié)果的召回率和準(zhǔn)確率。⑤根據(jù)虛假用戶惡意注入的評分信息在時(shí)間節(jié)點(diǎn)上具有集中性的特點(diǎn),以及真實(shí)評分與托攻擊評分在統(tǒng)計(jì)學(xué)上呈現(xiàn)的不同分布特征,提出了一種基于目標(biāo)項(xiàng)目分析和時(shí)間序列的托攻擊檢測算法(TS-TIA)。TS-TIA通過對項(xiàng)目上的評分時(shí)間序列建模,從而使得正常評分窗口及包含托攻擊評分的窗口中樣本均值、樣本熵值均達(dá)到最大化,從而得到托攻擊評分所在的時(shí)間窗口位置。通過構(gòu)建這個(gè)時(shí)間區(qū)間內(nèi)所有用戶、項(xiàng)目以及項(xiàng)目評分組成的評分矩陣,利用目標(biāo)項(xiàng)目分析方法濾除真實(shí)用戶評分概貌,以達(dá)到檢測托攻擊評分的目的。實(shí)驗(yàn)表明,TS-TIA能在評分級別上對托攻擊進(jìn)行檢測,并且時(shí)間復(fù)雜度較低。
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP391.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 米可菲;張勇;邢春曉;蔚欣;;面向大數(shù)據(jù)的開源推薦系統(tǒng)分析[J];計(jì)算機(jī)與數(shù)字工程;2013年10期

2 脫建勇;王嵩;李秀;劉文煌;;精品課共享中的推薦系統(tǒng)框架與實(shí)現(xiàn)[J];計(jì)算機(jī)工程與設(shè)計(jì);2006年17期

3 蘇冠賢;張麗霞;林丕源;劉吉平;;生物信息學(xué)推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用研究;2007年05期

4 王改芬;;推薦系統(tǒng)研究綜述[J];軟件導(dǎo)刊;2007年23期

5 葉群來;;營銷與網(wǎng)絡(luò)推薦系統(tǒng)[J];電子商務(wù);2007年10期

6 李媚;;個(gè)性化網(wǎng)絡(luò)學(xué)習(xí)資源推薦系統(tǒng)研究[J];福建電腦;2008年12期

7 潘冉;姜麗紅;;基于經(jīng)濟(jì)學(xué)模型的推薦系統(tǒng)的研究[J];計(jì)算機(jī)應(yīng)用與軟件;2008年03期

8 劉魯;任曉麗;;推薦系統(tǒng)研究進(jìn)展及展望[J];信息系統(tǒng)學(xué)報(bào);2008年01期

9 劉小燕;陳艷麗;賈宗璞;沈記全;;基于增強(qiáng)學(xué)習(xí)的旅行計(jì)劃推薦系統(tǒng)[J];計(jì)算機(jī)工程;2010年21期

10 曹畋;;智能推薦系統(tǒng)在知識瀏覽領(lǐng)域的應(yīng)用[J];硅谷;2011年21期

相關(guān)會(huì)議論文 前8條

1 張燕;李燕萍;;基于內(nèi)容分析和點(diǎn)擊率記錄的混合音樂推薦系統(tǒng)[A];2009年通信理論與信號處理學(xué)術(shù)年會(huì)論文集[C];2009年

2 趙欣;寇綱;鄔文帥;盧艷群;;基于時(shí)間密集性的推薦系統(tǒng)攻擊檢測[A];第六屆（2011）中國管理學(xué)年會(huì)論文摘要集[C];2011年

3 張玉連;張波;張敏;;改進(jìn)的個(gè)性化信息推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[A];2005年全國理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

4 王君;許潔萍;;層次音樂推薦系統(tǒng)的研究[A];第18屆全國多媒體學(xué)術(shù)會(huì)議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2009）、第5屆全國普適計(jì)算學(xué)術(shù)會(huì)議（PCC2009）論文集[C];2009年

5 潘宇;林鴻飛;楊志豪;;基于用戶聚類的電子商務(wù)推薦系統(tǒng)[A];第三屆學(xué)生計(jì)算語言學(xué)研討會(huì)論文集[C];2006年

6 尤忠彬;陳越;張英;朱揚(yáng)勇;;基于Web服務(wù)的技術(shù)轉(zhuǎn)移平臺推薦系統(tǒng)研究[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2005年

7 王國霞;劉賀平;李擎;;二部圖影射及其在推薦系統(tǒng)中的應(yīng)用[A];第25屆中國控制與決策會(huì)議論文集[C];2013年

8 王雪;董愛華;吳怡之;;基于RFID技術(shù)的智能服裝推薦系統(tǒng)設(shè)計(jì)[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2011年

相關(guān)重要報(bào)紙文章 前2條

1 ;大數(shù)據(jù)如何“落地”[N];中國新聞出版報(bào);2014年

2 本報(bào)記者 鄒大斌;大數(shù)據(jù)：電商新武器[N];計(jì)算機(jī)世界;2012年

相關(guān)博士學(xué)位論文 前10條

1 周魏;推薦系統(tǒng)中基于目標(biāo)項(xiàng)目分析的托攻擊檢測研究[D];重慶大學(xué);2015年

2 王宏宇;商務(wù)推薦系統(tǒng)的設(shè)計(jì)研究[D];中國科學(xué)技術(shù)大學(xué);2007年

3 楊東輝;基于情感相似度的社會(huì)化推薦系統(tǒng)研究[D];哈爾濱工業(yè)大學(xué);2014年

4 曹渝昆;基于神經(jīng)網(wǎng)絡(luò)和模糊邏輯的智能推薦系統(tǒng)研究[D];重慶大學(xué);2006年

5 王立才;上下文感知推薦系統(tǒng)若干關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2012年

6 劉龍;一個(gè)能實(shí)現(xiàn)個(gè)性化實(shí)時(shí)路徑推薦服務(wù)的推薦系統(tǒng)框架[D];中國科學(xué)技術(shù)大學(xué);2014年

7 李濤;推薦系統(tǒng)中若干關(guān)鍵問題研究[D];南京航空航天大學(xué);2009年

8 劉士琛;面向推薦系統(tǒng)的關(guān)鍵問題研究及應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2014年

9 李方方;非獨(dú)立同分布推薦系統(tǒng)研究[D];北京理工大學(xué);2014年

10 李曉建;基于語義的個(gè)性化資源推薦系統(tǒng)中關(guān)鍵技術(shù)研究[D];武漢大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 朱孔真;基于云計(jì)算的電子商務(wù)智能推薦系統(tǒng)研究[D];武漢理工大學(xué);2014年

2 郭敬澤;基于賦權(quán)評分和Dpark的分布式推薦系統(tǒng)研究與實(shí)現(xiàn)[D];天津理工大學(xué);2015年

3 周俊宇;信息推薦系統(tǒng)的研究與設(shè)計(jì)[D];江南大學(xué);2015年

4 李煒;基于電子商務(wù)平臺的保險(xiǎn)推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];復(fù)旦大學(xué);2013年

5 車豐;基于排序主題模型的論文推薦系統(tǒng)[D];大連海事大學(xué);2015年

6 秦大路;基于因式分解機(jī)模型的上下文感知推薦系統(tǒng)研究[D];鄭州大學(xué);2015年

7 徐霞婷;動(dòng)態(tài)路網(wǎng)監(jiān)控與導(dǎo)航推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];蘇州大學(xué);2015年

8 黃學(xué)峰;基于Hadoop的電影推薦系統(tǒng)研究與實(shí)現(xiàn)[D];南京師范大學(xué);2015年

9 路小瑞;基于Hadoop平臺的職位推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];上海交通大學(xué);2015年

10 李愛寶;基于組合消費(fèi)行為分析的團(tuán)購?fù)扑]系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2015年

本文編號：2750489