收藏本站
《广东工业大学》 2014年
收藏 | 手机打开
二维码
手机客户端打开本文

推荐系统中托攻击防御方法研究

牛晓龙  
【摘要】:伴随互联网的普及与电子商务的快速发展,信息数据量以指数级别增长的同时带来了“信息过载”问题。推荐算法通过数据挖掘、机器学习等方式挖掘海量信息中能够帮助电子商务网站为其客户提供符合个性化需求的决策支撑和信息服务,一定程度上有效的缓解了海量数据问题。但系统自身的公开性、推荐算法本身存在的设计缺陷以及用户的介入性导致系统容易遭受恶意干扰、蓄意攻击等操纵行为。因此,安全性成为推荐系统的关键问题。通常将有目的去伪造、更改评分数据的恶意操作称为用户概貌注入攻击或者托攻击。传统的协同过滤技术已然无法满足推荐系统对高安全性、防御性、准确性等推荐可靠性要求。部分商家向推荐系统中恶意注入攻击用户概貌,对推荐系统结果进行人为干预企图谋取私利。这些恶意操作行为严重危害了推荐系统的安全性。如何检测出托攻击并采取有效的方法来防御托攻击刻不容缓,已成为该领域专家学者重要研究问题。 相似度度量是协同过滤算法的核心模块,但易于遭受推荐攻击问题。近年来,信誉模型被融合到推荐流程中,加强协同过滤算法的鲁棒性和推荐精确性。基于目前研究趋势,本文提出了两种改进方法提高推荐系统的防御能力。本文主要创新改进内容如下: (1)基于信息熵相似度的托攻击防御方法 在协同过滤相关理论的基础上,针对当前相似度度量方法仅考虑评分矩阵数据的局限性,本文提出信息熵来度量正常用户与恶意用户间评分变化幅度差异。融合信息熵模型作为度量相似度的影响因子,弥补了系统遭受攻击时仅依靠传统相似度不足以区分恶意用户的缺陷性。在皮尔森相关系数基础上,本文提出一种改进的相似度度量方法(E-CF),结合评分变化幅度差异降低注入用户概貌的相似性。实验结果表明,E-CF客观地反映托攻击情况下系统防御性增强,并提高了算法精确性。 (2)融合信任更新机制的防攻击推荐算法研究 随着社交网络研究的飞速发展,信任关系网络被广泛应用到个性化推荐算法研究中。考虑到推荐用户在过去的推荐历史中所起到的作用也是一个重要的推荐依据因素,即推荐用户的信任度,引入信任更新机制。通过融合信任度和相似度,建立复合推荐权重模型(TE-CF),以真实评分反馈为手段动态更新复合权重,降低攻击用户概貌对推荐结果的影响。实验结果表明,TE-CF客观地反映攻击情况下系统防御性增强,并提高了算法精确性。 基于目前研究现状,本文提出两种托攻击防御解决方案。最后,与现有算法进行实验验证和对比分析,并提出进一步研究内容。
【学位授予单位】:广东工业大学
【学位级别】:硕士
【学位授予年份】:2014
【分类号】:TP391.3;TP393.08

手机知网App
【引证文献】
中国期刊全文数据库 前1条
1 张婷;曾庆鹏;高胜保;肖异瑶;;基于时域背离特征分析的托攻击检测算法[J];南昌大学学报(工科版);2017年01期
中国硕士学位论文全文数据库 前1条
1 张顺;基于用户重要性的协同推荐算法研究[D];安徽大学;2016年
【参考文献】
中国期刊全文数据库 前10条
1 伍之昂;王有权;曹杰;;推荐系统托攻击模型与检测技术[J];科学通报;2014年07期
2 贾冬艳;张付志;;基于双重邻居选取策略的协同过滤推荐算法[J];计算机研究与发展;2013年05期
3 黄世平;黄晋;陈健;汤庸;;自动建立信任的防攻击推荐算法研究[J];电子学报;2013年02期
4 伍之昂;庄毅;王有权;曹杰;;基于特征选择的推荐系统托攻击检测算法[J];电子学报;2012年08期
5 许海玲;吴潇;李晓东;阎保平;;互联网推荐系统比较研究[J];软件学报;2009年02期
6 张富国;;用户多兴趣下基于信任的协同过滤算法研究[J];小型微型计算机系统;2008年08期
7 张富国;徐升华;;推荐系统安全问题及技术研究综述[J];计算机应用研究;2008年03期
8 余力;董斯维;郭斌;;电子商务推荐攻击研究[J];计算机科学;2007年05期
9 曾春,邢春晓,周立柱;个性化服务技术综述[J];软件学报;2002年10期
10 李勇,徐振宁,张维明;Internet个性化信息服务研究综述[J];计算机工程与应用;2002年19期
中国硕士学位论文全文数据库 前1条
1 唐通;基于时间SFM因子的推荐系统攻击检测方法[D];西南大学;2010年
【共引文献】
中国期刊全文数据库 前10条
1 刘世杰;程齐凯;;网络新闻个性化推荐系统策略研究[J];软件导刊;2017年08期
2 高翔云;;“互联网+”时代传统企业营销策略研究——以海尔企业为例[J];新闻研究导刊;2017年16期
3 王永;万潇逸;陶娅芝;张璞;;基于K-medoids项目聚类的协同过滤推荐算法[J];重庆邮电大学学报(自然科学版);2017年04期
4 何明;肖润;刘伟世;孙望;;融合类别信息和用户兴趣度的协同过滤推荐算法[J];计算机科学;2017年08期
5 文诗琪;王成;苏芳芳;刘技峰;陈叶旺;郑国旗;;利用用户不偏好项目属性提高项目协同过滤算法效率和精度[J];小型微型计算机系统;2017年08期
6 冯亚丽;于瑞芳;孙龙安;宋新起;;远程培训中个性化学习资源推荐算法[J];计算机系统应用;2017年08期
7 杨迪;;基于距离的孤立点挖掘改进算法在教务管理中的应用[J];电子世界;2017年15期
8 陈诚;袁圆;余法红;蒋涛;周伟;潘海涛;滕泽伟;元丹;;融合社区划分的个性化美食推荐算法[J];福建电脑;2017年07期
9 孟桓羽;刘真;王芳;徐家栋;张国强;;基于图和改进K近邻模型的高效协同过滤推荐算法[J];计算机研究与发展;2017年07期
10 周孟;朱福喜;;基于邻居选取策略的人群定向算法[J];计算机研究与发展;2017年07期
中国硕士学位论文全文数据库 前3条
1 刘文举;协同过滤推荐系统概貌注入式攻击攻击特征提取研究[D];燕山大学;2014年
2 牛晓龙;推荐系统中托攻击防御方法研究[D];广东工业大学;2014年
3 于辉;协同过滤推荐系统用户概貌注入攻击检测研究[D];华南理工大学;2012年
【同被引文献】
中国期刊全文数据库 前8条
1 李文涛;高旻;李华;熊庆宇;文俊浩;凌斌;;一种基于流行度分类特征的托攻击检测算法[J];自动化学报;2015年09期
2 郝志峰;牛晓龙;蔡瑞初;温雯;;融合信息熵与信任机制的防攻击推荐算法研究[J];计算机应用与软件;2015年03期
3 唐通;唐雁;沈黎;陈泳序;申红林;王斌;张桉;;基于时间SFM因子的推荐系统攻击检测方法[J];西南大学学报(自然科学版);2013年11期
4 黄世平;黄晋;陈健;汤庸;;自动建立信任的防攻击推荐算法研究[J];电子学报;2013年02期
5 伍之昂;庄毅;王有权;曹杰;;基于特征选择的推荐系统托攻击检测算法[J];电子学报;2012年08期
6 刘清林;孟珂;李苏丰;;基于统计过程控制的协同推荐攻击检测方法[J];计算机应用;2012年03期
7 徐玉辰;梁强;张付志;;基于目标项目识别的用户概貌攻击检测算法[J];小型微型计算机系统;2011年07期
8 傅鹤岗;李冉;;基于用户实时反馈的协同过滤算法[J];计算机应用;2011年07期
中国硕士学位论文全文数据库 前10条
1 任晓龙;网络节点重要性排序算法及其应用研究[D];杭州师范大学;2015年
2 牛晓龙;推荐系统中托攻击防御方法研究[D];广东工业大学;2014年
3 李鹏;协同过滤推荐系统中推荐攻击检测算法研究[D];燕山大学;2013年
4 黄华杰;基于社交网络影响力的推荐算法的研究与实现[D];华南理工大学;2013年
5 李瑞冬;相似产品集在电子商务中的应用[D];电子科技大学;2013年
6 于辉;协同过滤推荐系统用户概貌注入攻击检测研究[D];华南理工大学;2012年
7 王宁;一个基于信任网络的推荐系统研究与应用[D];南京大学;2012年
8 周卫敏;基于网络短评的个性化推荐系统的研究与实现[D];华南理工大学;2012年
9 孙冬婷;协同过滤推荐系统中的冷启动问题研究[D];国防科学技术大学;2011年
10 张卫星;基于协同过滤技术的电子商务个性化推荐研究[D];重庆大学;2008年
【二级参考文献】
中国期刊全文数据库 前10条
1 伍之昂;庄毅;王有权;曹杰;;基于特征选择的推荐系统托攻击检测算法[J];电子学报;2012年08期
2 王立才;孟祥武;张玉洁;;上下文感知推荐系统[J];软件学报;2012年01期
3 李聪;骆志刚;石金龙;;一种探测推荐系统托攻击的无监督算法[J];自动化学报;2011年02期
4 吴永辉;王晓龙;丁宇新;徐军;郭鸿志;;基于主题的自适应、在线网络热点发现方法及新闻推荐系统[J];电子学报;2010年11期
5 黄创光;印鉴;汪静;刘玉葆;王甲海;;不确定近邻的协同过滤推荐算法[J];计算机学报;2010年08期
6 许海玲;吴潇;李晓东;阎保平;;互联网推荐系统比较研究[J];软件学报;2009年02期
7 张锋;孙雪冬;常会友;赵淦森;;两方参与的隐私保护协同过滤推荐研究[J];电子学报;2009年01期
8 蒋盛益;郑琪;张倩生;;基于聚类的特征选择方法[J];电子学报;2008年S1期
9 李聪;梁昌勇;马丽;;基于领域最近邻的协同过滤推荐算法[J];计算机研究与发展;2008年09期
10 张富国;徐升华;;推荐系统安全问题及技术研究综述[J];计算机应用研究;2008年03期
【相似文献】
中国期刊全文数据库 前10条
1 米可菲;张勇;邢春晓;蔚欣;;面向大数据的开源推荐系统分析[J];计算机与数字工程;2013年10期
2 脱建勇;王嵩;李秀;刘文煌;;精品课共享中的推荐系统框架与实现[J];计算机工程与设计;2006年17期
3 苏冠贤;张丽霞;林丕源;刘吉平;;生物信息学推荐系统的设计与实现[J];计算机应用研究;2007年05期
4 王改芬;;推荐系统研究综述[J];软件导刊;2007年23期
5 叶群来;;营销与网络推荐系统[J];电子商务;2007年10期
6 李媚;;个性化网络学习资源推荐系统研究[J];福建电脑;2008年12期
7 潘冉;姜丽红;;基于经济学模型的推荐系统的研究[J];计算机应用与软件;2008年03期
8 刘鲁;任晓丽;;推荐系统研究进展及展望[J];信息系统学报;2008年01期
9 刘小燕;陈艳丽;贾宗璞;沈记全;;基于增强学习的旅行计划推荐系统[J];计算机工程;2010年21期
10 曹畋;;智能推荐系统在知识浏览领域的应用[J];硅谷;2011年21期
中国重要会议论文全文数据库 前8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 赵欣;寇纲;邬文帅;卢艳群;;基于时间密集性的推荐系统攻击检测[A];第六届(2011)中国管理学年会论文摘要集[C];2011年
3 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
4 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
5 潘宇;林鸿飞;杨志豪;;基于用户聚类的电子商务推荐系统[A];第三届学生计算语言学研讨会论文集[C];2006年
6 尤忠彬;陈越;张英;朱扬勇;;基于Web服务的技术转移平台推荐系统研究[A];第二十二届中国数据库学术会议论文集(技术报告篇)[C];2005年
7 王国霞;刘贺平;李擎;;二部图影射及其在推荐系统中的应用[A];第25届中国控制与决策会议论文集[C];2013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
中国重要报纸全文数据库 前2条
1 ;大数据如何“落地”[N];中国新闻出版报;2014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
中国博士学位论文全文数据库 前10条
1 周魏;推荐系统中基于目标项目分析的托攻击检测研究[D];重庆大学;2015年
2 田刚;融合维基知识的情境感知Web服务发现方法研究[D];武汉大学;2015年
3 胡亮;集成多元信息的推荐系统建模方法的研究[D];上海交通大学;2015年
4 孙丽梅;Web-based推荐系统中若干关键问题研究[D];东北大学;2013年
5 郑麟;基于属性提升与偏好集成的上下文感知推荐[D];武汉大学;2017年
6 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
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 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
9 王立才;上下文感知推荐系统若干关键技术研究[D];北京邮电大学;2012年
10 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
中国硕士学位论文全文数据库 前10条
1 朱孔真;基于云计算的电子商务智能推荐系统研究[D];武汉理工大学;2014年
2 郭敬泽;基于赋权评分和Dpark的分布式推荐系统研究与实现[D];天津理工大学;2015年
3 周俊宇;信息推荐系统的研究与设计[D];江南大学;2015年
4 李炜;基于电子商务平台的保险推荐系统的设计与实现[D];复旦大学;2013年
5 车丰;基于排序主题模型的论文推荐系统[D];大连海事大学;2015年
6 秦大路;基于因式分解机模型的上下文感知推荐系统研究[D];郑州大学;2015年
7 徐霞婷;动态路网监控与导航推荐系统的设计与实现[D];苏州大学;2015年
8 黄学峰;基于Hadoop的电影推荐系统研究与实现[D];南京师范大学;2015年
9 路小瑞;基于Hadoop平台的职位推荐系统的设计与实现[D];上海交通大学;2015年
10 李爱宝;基于组合消费行为分析的团购推荐系统的设计与实现[D];哈尔滨工业大学;2015年
 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