推荐系统托攻击模型与检测技术
针对协同过滤根据近邻偏好产生推荐的特点,恶意用户注入伪造用户模型成为正常用户近邻,推进或打压目标项目的推荐排名,从而达到改变推荐系统结果,这种攻击方法称为“托攻击”.本文综述了托攻击模型与检测技术的研究现状和面临的主要问题,试图为这一新兴的研究领域勾勒出较为全面清晰的概貌.从推荐系统机理入手,介绍托攻击产生动机、概念、目的、评分向量构成和模型分类,然后提出衡量托攻击对推荐系统危害性的两类指标;接着讨论区分正常用户和托攻击用户的特征指标;然后以机器学习角度分类为主线,综述3类托攻击检测算法,分析3类算法的利与弊,并介绍用于评估托攻击检测算法的数据集、指标和实验方法;最后指出进一步的研究方向.
推荐系统、协同过滤、托攻击模型、托攻击检测算法
59
国家自然科学基金61103229,71072172,61003074;国家科技支撑计划2013BAH16F00;江苏省属高校自然科学研究重大项目12KJA520001;江苏高校优势学科建设工程和江苏省自然科学基金BK2012863
2014-03-27(万方平台首次上网日期,不代表论文的发表时间)
共10页
551-560