基于SVD的协同过滤算法的欺诈攻击行为分析

《基于SVD的协同过滤算法的欺诈攻击行为分析》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、922009，45(20)ComputerEngineeringandApplications计算机工程与应用基于SVD的协同过滤算法的欺诈攻击行为分析徐翔，王煦法XUXiang，WANGXu—fa中国科学技术大学计算机科学与技术系，合肥230027DepartmentofComputerScienceandTechnology，UniversityofScienceandTechnologyofChina，Hefei230027，ChinaE-mail：xuustc@gmail．cornXUXiang，WANGX

2、u-fa．AnalysisofshillingattacksonSVD-basedcollaborative~teringalgorithm．ComputerEngineeringandApplications，2009，45(20)：92-95．Abstract：Collaborativefilteringisavitalcentraltechnologyinpersonalizedrecommendation，butitisSOsensitivetouserpro—files，thatshillingattac

3、kerscaneasilyinjectbiasedprofilesinanattempttoforceasystemtoadaptinamanneradvantageoustOthem．RecentresearchshowsthatthemodelandthecostofshillingattackshavediferentimpactsO11attackperformance．ThispaperanalyzestheattackeffectivenessofdifferentattackmodelsonaSVD-

4、basedcollaborativefilteringalgorithm，andtheperfor-mancesofattackmodelswithdiferentfiUsizesandattacksizesusingthreeevaluationparameters．Keywords：collaborativeltering；rec0mmendersystems；shillingattacks；SingularValueDec0mp0siti0n(SVD)摘要：协同过滤是一种个性化推荐系统最常用的技术，但它对用户

5、概貌信息较为敏感，欺诈攻击者很容易通过注入有偏差的用户概貌使系统的推荐结果有利于他们。研究表明欺诈攻击的攻击模型、攻击成本对攻击性能有不同程度的影响。针对这个问题，实验分析基于奇异值分解

6、1引言估参数分析不同填充规模和攻击规模的攻击用户概貌对攻击协同过滤算法是目前个性化推荐系统最常用的一种推荐效果的影响。算法，被广泛应用于电子商务。但电子商务竞争中经常出现一些不法用户为维护自身利益，向推荐系统中输入大量伪造评分2基于SVD的协同过滤算法数据，人为干预推荐系统的结果，导致系统的准确率下降。因此基于SVD的协同过滤算法由Sarwarm等人首次应用于协协同过滤系统的攻击行为研究日渐成为一个重要课题，是电子同过滤推荐中，他使用SVD方法将用户评分分解为不同的特商务推荐系统安全应用的关键。征及这些特征对应的重

7、要程度，利用用户与项目之问潜在的关系，用初始评分矩阵的奇异值分解去抽取一些本质的特征。目前协同过滤算法主要分为三类：基于用户【l(user-based)SVD是矩阵维数简化的一种常用方法，它将一个mxrt的矩阵的算法、基于项目re(item—based)的算法和基于模型tSl(model—分解为3个矩阵。R=UxSxV，其中【，是一个m~m的正交矩based)的算法。国外学者对这三类算法的攻击研究已取得一定阵，是一个n~n的正交矩阵，s是一个m~n的对角矩阵，它的成果。LamSm等人对user-based算法和it

8、em-based算法分别对角线上的元素由上往下依次递减。傲了各种攻击测试分析，认为item—based算法比user—based算Sarwar通过将用户对未评分项的评分设为一个固定的缺法有更好的抵御攻击的能力，以及推荐结果的表现方式对攻省值来减少数据集的稀疏性。将矩阵中评分值为0的项用击效果有一定影响、并对新项目攻击问题提出一些建议。B相关列的项目评分平均值