基于特征子集的推荐系统托攻击无监督检测

摘要：

针对现有基于协同过滤的推荐系统易受托攻击影响的问题，提出一种基于特征子集的推荐系统托攻击无监督检测算法。利用现有攻击模型在项目选择上的随机性，给出一种描述用户兴趣集中程度的特征属性：兴趣峰度系数。将该系数与已有的推荐系统用户特征属性结合作为备选特征集，采用无监督特征选择方法为不同类型托攻击选取相应的检测特征子集。根据选择出的特征子集计算每个用户的离群度，以此进行排序并确定攻击目标，在已排序的用户序列上设置滑动窗口，通过计算窗口内攻击目标的平均评分偏移值对攻击用户进行过滤。实验结果证明，兴趣峰度系数的信息增益高于已有的特征属性，基于特征子集的无监督检测算法相比于现有的无监督检测方法具有更高的稳定性和精准度。

关键词：推荐系统、托攻击、无监督检测、特征子集、峰度系数、滑动窗口

分类号：TP309(计算技术、计算机技术)

资助基金：国家“863”计划基金资助项目“融合网络业务体系开发”2011AA01A102；国家科技支撑计划基金资助项目“ACR 创新应用示范”2011BAH19B04；中国科学院重点部署基金资助项目“NGB有线无线融合开放业务平台关键技术研究与验证”KGZD-EW-103-2。

在线出版日期：2014-06-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：109-114