统计过程控制地协同推荐攻击检测方法

统计过程控制地协同推荐攻击检测方法

ID:28759133

大小:30.50 KB

页数:6页

时间:2018-12-14

统计过程控制地协同推荐攻击检测方法_第1页
统计过程控制地协同推荐攻击检测方法_第2页
统计过程控制地协同推荐攻击检测方法_第3页
统计过程控制地协同推荐攻击检测方法_第4页
统计过程控制地协同推荐攻击检测方法_第5页
资源描述:

《统计过程控制地协同推荐攻击检测方法》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、实用标准文案基于统计过程控制的协同推荐攻击检测方法摘要:针对恶意攻击者利用协同推荐系统用户偏好敏感的缺陷向系统中注入虚假数据破坏推荐结果真实性的问题,提出基于统计过程控制(spc)的协同推荐攻击检测方法。该方法将用户概貌项目评价数偏离度作为服务质量控制属性构建休哈特控制图,利用判异规则检测攻击用户,从而完善协同推荐系统模型。实验证明这种检测方法对各种不同的攻击模型都有较高的检测准确率和查全率。关键词:协同推荐系统;统计过程控制;用户概貌项目评价数偏离度;托攻击;攻击检测attackdetectionmethodbasedonstatisticalprocesscontrolincol

2、laborativerecommendersystemliuqinglin*,mengke,lisufeng(schoolofcomputerscienceandtechnology,chinauniversityofminingandtechnology,xuzhoujiangsu221116,china)abstract:becauseoftheopennatureofcollaborativerecommendersystemsandtheirrelianceonuserspecifiedjudgmentsfor精彩文档实用标准文案buildingprofile

3、s,anattackercouldaffectthepredictionbyinjectingalotofbiaseddata.inordertokeeptheauthenticityofrecommendations,theattackdetectionmethodbasedonstatisticalprocesscontrol(spc)wasproposed.themethodconstructedtheshewhartcontrolchartbyusingtheusersdeviationfromtheaverageofratingnumbersanddetectedattack

4、ersaccordingtothewarningrulesofthechart,thusimprovingtherobustnessofcollaborativerecommendersystems.theexperimentsdemonstratethatthemethodiseffectivewithhighprecisionandhighrecallagainstavarietyofattackmodels.keywords:collaborativerecommendersystem;statisticalprocesscontrol(spc);deviationfromave

5、rageofratingnumber;shillingattack;attackdetection0引言精彩文档实用标准文案推荐系统有效地解决了互联网发展带来的信息过载和信息迷航问题,特别是在电子商务领域,大部分的大型电子商务网站都在一定程度上使用了电子商务推荐系统。目前,主要的推荐系统有协同过滤推荐系统和基于内容的推荐系统两种[1]。由于基于内容的推荐系统无法解析信息的质量,难以区分资源内容的品质和风格,并且不能发现和更新与用户兴趣相似的资源等局限性和缺陷[2],对其的研究和应用都较少。基于协同过滤(collaborativefiltering,cf)技术的推荐系统成为

6、目前研究和应用最为广泛的个性化推荐技术。由于协同推荐系统对用户偏好信息的依赖,恶意攻击者可以通过向系统中注入虚假数据使系统频繁推荐其产品以谋求商业利益,使得推荐结果失去真实性,导致正常用户对推荐系统丧失信任和依赖,因此,保证推荐系统的安全性是非常重要的。1相关研究协同推荐系统根据用户对项目的评分生成用户项目评分矩阵,每个用户的评分行为称为用户概貌,协同推荐系统通过分析所有历史数据收集代表用户不同喜好的用户概貌,并根据与当前用户概貌最相近的邻居用户的评分行为产生推荐,这种推荐方式需要用户的直接参与,而且推荐结果依赖于用户偏好信息,这就给攻击者提供了可乘之机。攻击用户通过注入虚假用户评价

7、信息,成为大部分用户的最近邻,从而试图改变推荐系统的推荐结果使其有利于自己的利益,这类攻击通常称之为用户概貌注入攻击(profileinjectionattack)或托攻击(shillingattack)[3]。目前研究较多的攻击模型有随机攻击(randomattack)、平均攻击(averageattack)、倾向攻击(bandwagonattack)等。精彩文档实用标准文案事实上,用户概貌注入攻击的产生也促使了推荐攻击检

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。