随着信息资源的爆炸式增长,个性化推荐技术作为有效缓解信息过载的工具得到了广泛的应用。但是,由于推荐系统采用用户数据协同产生推荐结果,托攻击者可以向推荐系统中注入虚假评分来改变目标项目的推荐排名,以此达到攻击的目的。虚假评分的注入将严重影响推荐系统的有效性,因此,对于托攻击检测的研究意义重大。托攻击的研究包括多种项目选择及评分的策略,没有考虑注入时间这一重要攻击特征的问题,本文同时考虑时间和评分两个方面的维度,提出了一种融合时间维度的托攻击模型。目前对托攻击的检测主要包括虚假用户和异常项目的检测。虚假用户检测主要通过计算用户概貌属性特征来区分真实用户与虚假用户,该类方法针对具体攻击模型有良好的检测效果,但难以检测混合及新的攻击模型;异常项目检测主要通过查找项目评分时间序列的异常区间进行检测,但该类算法难以有效检测出虚假用户。这两类检测方法都只从用户或项目的视角考虑托攻击问题。本文从用户和项目两种角度出发,提出多种托攻击检测方法。

提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。