推薦系統(tǒng)內(nèi)攻擊塊檢測(cè)算法研究.pdf

1、推薦系統(tǒng)作為一個(gè)高效的信息過(guò)濾工具，已廣泛應(yīng)用于電子商務(wù)和社交網(wǎng)絡(luò)等諸多領(lǐng)域。然而，當(dāng)前一些稱(chēng)為“水軍”的惡意用戶為獲取不正當(dāng)利益，往往通過(guò)偽造用戶行為影響推薦結(jié)果，給商家和用戶的利益都造成了損害。這種行為被稱(chēng)作托攻擊。當(dāng)前托攻擊大致可以分為兩類(lèi)，一類(lèi)是“推攻擊”，即為某些項(xiàng)目生成大量褒獎(jiǎng)記錄以推銷(xiāo)該項(xiàng)目，另一類(lèi)是“核攻擊”，即為某些項(xiàng)目生成大量的差評(píng)記錄來(lái)詆毀該項(xiàng)目。隨著推薦系統(tǒng)的興起，對(duì)托攻擊的檢測(cè)已然成為當(dāng)前的研究熱點(diǎn)，本文所關(guān)注

2、的即是對(duì)“托攻擊”中“核攻擊”的檢測(cè)。許多現(xiàn)有的研究方法主要從兩個(gè)角度解決核攻擊的問(wèn)題，第一種注重檢測(cè)獨(dú)立的攻擊者而忽略攻擊者之間可能存在的團(tuán)體合作性;第二種先分別找到“一組合作的攻擊者”和被其攻擊的“一組攻擊項(xiàng)目”的候選者，再?gòu)闹袑?duì)攻擊進(jìn)行偵測(cè)，這樣做既不直接也不高效，難以處理當(dāng)前的海量數(shù)據(jù)。針對(duì)不能同時(shí)找出合作的“攻擊者組”和“攻擊項(xiàng)目組”的問(wèn)題，本文從一個(gè)新的角度，提出算法MAB(Mining Attack-Block)，該算法同

3、時(shí)考慮“攻擊者組”和“攻擊項(xiàng)目組”，并采用頻繁項(xiàng)集挖掘的思路，把攻擊行為檢測(cè)出來(lái)。
　　本研究主要內(nèi)容包括：⑴為檢測(cè)“核攻擊”內(nèi)的“攻擊者組”和“攻擊項(xiàng)目組”，創(chuàng)新性地提出將“攻擊者和攻擊者”之間的關(guān)系以及“攻擊者和攻擊項(xiàng)”之間的關(guān)系作為特征引入攻擊檢測(cè)之中，并據(jù)此提出了“攻擊塊”的概念。⑵提出兩個(gè)用于評(píng)估“攻擊塊”的衡量標(biāo)準(zhǔn)，“塊面積率”和“塊打分率”，并據(jù)此提出攻擊塊檢測(cè)算法MAB，該算法采用頻繁項(xiàng)集挖掘的思想對(duì)“攻擊塊”進(jìn)行