隨著信息時(shí)代的到來,導(dǎo)致數(shù)據(jù)量不斷增大,這樣人們就需要花費(fèi)大量的時(shí)間去篩選有用信息,這種現(xiàn)象就是“信息過載”。協(xié)同過濾推薦系統(tǒng)在很大程度上緩解了“信息過載”現(xiàn)象,但是由于其自身的開放性,使其在受到攻擊時(shí)呈現(xiàn)出脆弱性導(dǎo)致推薦結(jié)果不準(zhǔn)確�；疑M織的攻擊具有一定的策略性,可以在短時(shí)間內(nèi)改變推薦結(jié)果。因此,如何有效識(shí)別群組攻擊,成為了急需解決的問題。本文從用戶評(píng)分偏移與時(shí)間序列的角度入手,對(duì)群組攻擊檢測(cè)問題進(jìn)行深入研究。本文主要內(nèi)容如下。首先,針對(duì)現(xiàn)有的檢測(cè)算法不能有效排除流行項(xiàng)目的干擾。本文提出一種基于用戶評(píng)分偏移度的群組檢測(cè)算法,算法中提出了兩個(gè)新的群組攻擊特征。利用k-means聚類算法分別根據(jù)兩個(gè)群組攻擊用戶特征進(jìn)行聚類,生成兩個(gè)候選可疑群組,取兩個(gè)候選群組的交集為可疑用戶群組。根據(jù)群組攻擊特征計(jì)算用戶可疑度,并對(duì)可疑群組內(nèi)用戶進(jìn)行可疑度排序。其次,傳統(tǒng)的利用時(shí)間序列的檢測(cè)算法,利用項(xiàng)目在一定時(shí)間內(nèi)的評(píng)分?jǐn)?shù)來進(jìn)行序列構(gòu)建,無法有效過濾掉目標(biāo)項(xiàng)下的正常用戶且無法有效分組攻擊用戶。本文提出一種基于時(shí)間序列的群組攻擊檢測(cè)算法,該算法構(gòu)建項(xiàng)目時(shí)間序列并劃分時(shí)間窗口,通過計(jì)算窗口評(píng)分占比和每個(gè)項(xiàng)... 

【文章來源】：燕山大學(xué)河北省

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 無監(jiān)督檢測(cè)算法
        1.2.2 有監(jiān)督檢測(cè)算法
        1.2.3 半監(jiān)督算法
    1.3 主要研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 協(xié)同過濾推薦算法及相關(guān)理論
    2.1 協(xié)同過濾推薦算法
        2.1.1 基于用戶的協(xié)同過濾推薦算法
        2.1.2 基于物品的協(xié)同過濾推薦算法
    2.2 攻擊技術(shù)相關(guān)理論知識(shí)
        2.2.1 攻擊概貌
        2.2.2 攻擊模型
    2.3 群組攻擊相關(guān)理論知識(shí)
        2.3.1 群組攻擊介紹
        2.3.2 群組攻擊模型
    2.4 相關(guān)理論
        2.4.1 時(shí)間序列劃分方法
        2.4.2 聚類算法相關(guān)理論
    2.5 本章小結(jié)
第3章 基于多維用戶評(píng)分偏移度的群組攻擊檢測(cè)
    3.1 引言
    3.2 基于多維用戶評(píng)分偏移度的群組攻擊檢測(cè)框架
    3.3 用戶特征計(jì)算
    3.4 攻擊群組篩選
    3.5 可疑群組用戶可疑度排序
    3.6 本章小結(jié)
第4章 基于時(shí)間序列的群組攻擊檢測(cè)
    4.1 引言
    4.2 基于時(shí)間序列的群組攻擊的檢測(cè)框架
    4.3 計(jì)算項(xiàng)目評(píng)分爆發(fā)點(diǎn)
    4.4 群組可疑度排序
    4.5 攻擊群組檢測(cè)
    4.6 本章小結(jié)
第5章 實(shí)驗(yàn)驗(yàn)證與分析
    5.1 實(shí)驗(yàn)數(shù)據(jù)集及設(shè)置
        5.1.1 實(shí)驗(yàn)數(shù)據(jù)
        5.1.2 實(shí)驗(yàn)環(huán)境
        5.1.3 評(píng)價(jià)標(biāo)準(zhǔn)
    5.2 基于多維用戶評(píng)分偏移度的群組攻擊檢測(cè)算法實(shí)驗(yàn)結(jié)果及分析
        5.2.1 對(duì)比實(shí)驗(yàn)介紹
        5.2.2 實(shí)驗(yàn)結(jié)果與分析
    5.3 基于時(shí)間序列的群組攻擊檢測(cè)算法實(shí)驗(yàn)結(jié)果及分析
        5.3.1 對(duì)比實(shí)驗(yàn)介紹
        5.3.2 實(shí)驗(yàn)結(jié)果與分析
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]利用加權(quán)用戶關(guān)系圖的譜分析探測(cè)大規(guī)模電子商務(wù)水軍團(tuán)體[J]. 韓忠明,楊珂,譚旭升.  計(jì)算機(jī)學(xué)報(bào). 2017(04)
[2]一種基于流行度分類特征的托攻擊檢測(cè)算法[J]. 李文濤,高旻,李華,熊慶宇,文俊浩,凌斌.  自動(dòng)化學(xué)報(bào). 2015(09)
[3]基于多維風(fēng)險(xiǎn)因子的推薦攻擊檢測(cè)方法[J]. 于洪濤,李鵬,張付志.  小型微型計(jì)算機(jī)系統(tǒng). 2015(05)
[4]基于仿生模式識(shí)別的未知推薦攻擊檢測(cè)[J]. 周全強(qiáng),張付志,劉文遠(yuǎn).  軟件學(xué)報(bào). 2014(11)
[5]推薦系統(tǒng)托攻擊模型與檢測(cè)技術(shù)[J]. 伍之昂,王有權(quán),曹杰.  科學(xué)通報(bào). 2014(07)
[6]基于SVM-KNN的半監(jiān)督托攻擊檢測(cè)方法[J]. 呂成戍,王維國(guó).  計(jì)算機(jī)工程與應(yīng)用. 2013(22)
[7]一種基于用戶偏好自動(dòng)分類的社會(huì)媒體共享和推薦方法[J]. 賈大文,曾承,彭智勇,成鵬,陽(yáng)志敏,盧舟.  計(jì)算機(jī)學(xué)報(bào). 2012(11)
[8]基于特征選擇的推薦系統(tǒng)托攻擊檢測(cè)算法[J]. 伍之昂,莊毅,王有權(quán),曹杰.  電子學(xué)報(bào). 2012(08)
[9]主成分分析法和熵值法在農(nóng)村居民點(diǎn)集約利用評(píng)價(jià)中的比較[J]. 趙麗,朱永明,付梅臣,張蓬濤,曹銀貴.  農(nóng)業(yè)工程學(xué)報(bào). 2012(07)
[10]互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J]. 許海玲,吳瀟,李曉東,閻保平.  軟件學(xué)報(bào). 2009(02)

碩士論文
[1]融合時(shí)間維度的托攻擊檢測(cè)及應(yīng)用研究[D]. 田仁麗.重慶大學(xué) 2016



本文編號(hào)：3375863