收藏本站
《西南交通大学》 2018年
收藏 | 手机打开
二维码
手机客户端打开本文

推荐系统中的攻击检测研究

张括  
【摘要】:随着互联网技术的普及与发展,信息的数量以及传播速度都处于爆炸式增长,而推荐系统技术的出现有效地缓解了信息过载问题带来的消极影响。基于协同过滤的推荐算法通过分析用户历史行为数据,挖掘出用户的偏好,从而协助用户发现那些他们未来可能会产生兴趣的信息,并将其主动的推送给用户。然而,由于协同过滤算法对用户信息的依赖性,使得推荐系统面临一些安全性问题。比如:一些恶意攻击者人为地将虚假用户信息注入到推荐系统中,试图干涉推荐结果以谋求利益,这种行为被称为“托攻击”。托攻击严重影响了推荐系统的正常运行,也危害了正常用户的利益。因此,如何应对推荐系统中的托攻击成为了推荐系统研究领域的热点之一。本文对推荐系统中的托攻击检测问题进行研究,旨在实现两个目标:一是有效的检测出推荐系统中的托攻击,二是提升托攻击检测的效率。本文首先分析了协同过滤推荐系统的工作原理、托攻击及攻击模型的特点。然后,本文从托攻击用户与正常用户的评分行为差异性入手,提取用户概貌特征用于托攻击检测。本文在用户概貌特征的有效性问题中,提出了一种基于信息增益的用户概貌特征选择方法Gain-User,并使用该方法得到的特征子集有效地提升了检测算法的准确率。接着本文提出了一种基于孤立森林的托攻击检测方法IFDM,与SVM、C4.5等方法相比,该算法在检测效率方面优势明显且保持了不错的检测准确率。本文对孤立森林模型中的参数进行分析,采用了一种基于粒子群算法的参数寻优方法PSO-IForest,得到孤立森林算法的优化参数。对于孤立森林在隔离树的生成过程中,由于分裂特征随机性选择产生的检测效果下降的问题,本文对分裂特征进行加权选择,偏向于选择更重要的特征,从而提升孤立森林算法的准确性和稳定性。然后针对托攻击具有群体性的特点,本文提出一种基于标签传播的托攻击检测模型LPDM。针对用户的评分行为和用户间的相似性,定义了标签传播的权重和迭代规则。该方法可以将评分行为相似的用户群体聚集到同一个标签类别下,这能有效的发现那些具有群体性特点的托攻击用户。
【学位授予单位】:西南交通大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TP391.3

手机知网App
【相似文献】
中国期刊全文数据库 前10条
1 刘强;;推荐系统的商业价值[J];软件和集成电路;2019年04期
2 王月星;;国内旅游推荐系统研究进展[J];商场现代化;2017年10期
3 常亮;曹玉婷;孙文平;张伟涛;陈君同;;旅游推荐系统研究综述[J];计算机科学;2017年10期
4 王毅;;网络推荐系统的三大挑战——从用户体验出发[J];清华管理评论;2013年06期
5 王海明;;基于大数据下电子商务商品推荐系统的分析[J];环球市场信息导报;2017年27期
6 ;电商推荐系统进阶[J];IT经理世界;2013年11期
7 王霞;;电子商务推荐系统评述[J];福建电脑;2006年08期
8 傅孟如;姜素兰;闵娅萍;;VAX—11/750机学生测评、推荐系统的设计与应用[J];计算技术与自动化;1989年03期
9 张佳威;;美团推荐系统实证系统[J];农家参谋;2018年11期
10 洪文兴;王宁;陈毅伟;周绮凤;李涛;;大数据时代的人才推荐系统[J];大数据;2017年02期
中国重要会议论文全文数据库 前10条
1 张燕;李燕萍;;基于内容分析和点击率记录的混合音乐推荐系统[A];2009年通信理论与信号处理学术年会论文集[C];2009年
2 高梦晨;;推荐系统用户感知调研[A];工业设计研究(第六辑)[C];2018年
3 李成;胡文丽;;推荐系统体验模型探索——以视频推荐为例[A];工业设计研究(第六辑)[C];2018年
4 李成;冯青青;;推荐系统准确度衡量方案——引入权重概念[A];工业设计研究(第五辑)[C];2017年
5 王晓光;施玉海;尹亚光;;面向广电的节目推荐系统研究[A];中国新闻技术工作者联合会2017年学术年会论文集(学术论文篇)[C];2017年
6 周小田;王宏志;郭翔宇;胡筱;董志鑫;李建中;高宏;;基于知识库的互联网商品信息分类与推荐系统[A];第29届中国数据库学术会议论文集(B辑)(NDBC2012)[C];2012年
7 汤娟梅;唐岭;;个性化英语阅读文章推荐系统的设计[A];计算机与教育:理论、实践与创新——全国计算机辅助教育学会第十四届学术年会论文集[C];2010年
8 王雪;董爱华;吴怡之;;基于RFID技术的智能服装推荐系统设计[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年
9 张玉连;张波;张敏;;改进的个性化信息推荐系统的设计与实现[A];2005年全国理论计算机科学学术年会论文集[C];2005年
10 王君;许洁萍;;层次音乐推荐系统的研究[A];第18届全国多媒体学术会议(NCMT2009)、第5届全国人机交互学术会议(CHCI2009)、第5届全国普适计算学术会议(PCC2009)论文集[C];2009年
中国重要报纸全文数据库 前5条
1 记者 周源;知意图发布推荐系统Etu Recommender[N];网络世界;2012年
2 本报记者 邹大斌;大数据:电商新武器[N];计算机世界;2012年
3 本报记者 冯卫东;网络导购:找出你的最爱[N];科技日报;2007年
4 本报记者 邱燕娜;精准推荐 一客一市场[N];中国计算机报;2012年
5 张秋明;用数据是新技能[N];福州日报;2015年
中国博士学位论文全文数据库 前10条
1 蒋伟;推荐系统若干关键技术研究[D];电子科技大学;2018年
2 练建勋;基于多样化内容数据的个性化推荐系统[D];中国科学技术大学;2018年
3 曹渝昆;基于神经网络和模糊逻辑的智能推荐系统研究[D];重庆大学;2006年
4 王宏宇;商务推荐系统的设计研究[D];中国科学技术大学;2007年
5 颜端武;面向知识服务的智能推荐系统研究[D];南京理工大学;2007年
6 刘龙;一个能实现个性化实时路径推荐服务的推荐系统框架[D];中国科学技术大学;2014年
7 杨东辉;基于情感相似度的社会化推荐系统研究[D];哈尔滨工业大学;2014年
8 高全力;上下文感知推荐系统关键问题研究[D];西北大学;2017年
9 尹航;信息推荐系统中的协同过滤技术研究[D];东北大学;2012年
10 吴铭;基于链接预测的关系推荐系统研究[D];北京邮电大学;2012年
中国硕士学位论文全文数据库 前10条
1 范继涛;基于Spark平台的推荐系统研究与应用[D];大连海事大学;2018年
2 李沂桥;基于Hadoop平台的电影推荐系统的设计与实现[D];贵州大学;2018年
3 姚开;基于Spark的新闻推荐系统的设计与实现[D];贵州大学;2018年
4 刘建成;基于上下文的深度混合推荐系统的研究[D];燕山大学;2018年
5 虞乐文;基于Hadoop的女装商品推荐系统设计与实现[D];华中科技大学;2018年
6 沙陆(Muhammad Shahrukh Khan);[D];东南大学;2018年
7 杨富豪;基于Spark的新闻推荐系统的设计与实现[D];北京工业大学;2018年
8 郝凯;基于简历数据的职位推荐系统的设计与实现[D];东南大学;2018年
9 王渊;电子商务中推荐系统的应用与设计[D];东南大学;2018年
10 宋钰;基于ResearchGate中用户生成内容的学术论文推荐系统研究[D];东南大学;2018年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026