The invention discloses a supporting attack detection method based on correlation project comprises the following steps: Project correlation calculation of mixed user rating matrix R, mixed user rating matrix R project correlation matrix A; mixed user rating matrix in R, search for a target user's nearest neighbor users, remove the target users and the neighbor users, get a new mixed user rating matrix R; repeat search target users; the project correlation calculation of the new hybrid user rating matrix R, get a new mixed user rating matrix R Project correlation matrix A; calculating the Euclidean distance between A and item item correlation matrix correlation matrix A; Euclidean distance will be added to the mixed user rating R matrix of each user and the neighbor users, users eventually filtering attacks. The invention obtains the difference by calculating the association value matrix, sorts the difference, and finally achieves the goal of filtering and attacking the users, thereby improving the detection accuracy and making up the deficiency of the existing detection methods.
【技术实现步骤摘要】
基于项目关联的托攻击检测方法
本专利技术涉及机器学习领域,尤其涉及一种基于项目关联的托攻击检测方法。
技术介绍
随着互联网的发展,网络上的信息量剧增,人们很难从海量信息中快速定位目标内容,同时也使得信息的利用率被降低。因此,如何在“信息过载”的情况下,对用户实现高质量的推荐成为人们的研究热点。协同过滤推荐算法因其高效且便捷的个性化推荐技术,成为应用最广泛的推荐算法之一。它基于用户已有的信息进行分析,从用户的偏好、需求等个性点出发,为目标用户寻找相似用户,从而推荐更接近目标用户品味的商品。同样由于其便捷、开放的特点,给协同过滤推荐系统的安全性带来了挑战。不法商家为提高个人利益,可通过向推荐系统中添加对其商品评分有利的用户或对其对手商品评分不利的用户,使推荐结果包含非正常项的推荐从而达到自己的利益。这种通过添加伪造用户概貌达到非法目的的攻击我们称之为托攻击,常见的有随机攻击、均值攻击等。实际应用中,协同过滤推荐系统在面对这类攻击时表现出了极大的脆弱性。因此,研究协同过滤推荐系统的安全性逐渐成为了一个热门的研究课题。目前针对托攻击的检测主要时通过分析真实用户与伪造用户的评分值等特性,在推荐产生前移除攻击用户。从机器学习的角度出发,可以将众多检测方法根据其检测方式分为三大类,即有监督学习检测方法、无监督学习检测方法、半监督学习检测方法。有监督的检测方法主要是针对每个用户概貌提取特征,标记后利用支持向量机等分类器实现检测。这种利用提取特征的方法均需要攻击的填充规模较大才有较好的表现,当攻击用户的概貌填充较小时,效果不是很理想,且需要大量的先验知识进行学习。除了利用用 ...
【技术保护点】
一种基于项目关联的托攻击检测方法,其特征在于,包括如下步骤:S1、对混合用户评分矩阵R进行项目相关性计算,得到混合用户评分矩阵R的项目相关矩阵A;S2、在混合用户评分矩阵R中,查找某一目标用户的近邻用户,移除目标用户以及其近邻用户,得到新混合用户评分矩阵r;重复查找目标用户,直至在混合用户评分矩阵R中所有用户均查找完毕,得到若干新混合用户评分矩阵r;S3、对新混合用户评分矩阵r进行项目相关性计算,得到新混合用户评分矩阵r的项目相关矩阵a;S4、计算项目相关性矩阵A与不同项目相关矩阵a的欧式距离;S5、将欧式距离累加到混合用户评分矩阵R中每一个用户以及其近邻用户,过滤攻击用户。
【技术特征摘要】
1.一种基于项目关联的托攻击检测方法,其特征在于,包括如下步骤:S1、对混合用户评分矩阵R进行项目相关性计算,得到混合用户评分矩阵R的项目相关矩阵A;S2、在混合用户评分矩阵R中,查找某一目标用户的近邻用户,移除目标用户以及其近邻用户,得到新混合用户评分矩阵r;重复查找目标用户,直至在混合用户评分矩阵R中所有用户均查找完毕,得到若干新混合用户评分矩阵r;S3、对新混合用户评分矩阵r进行项目相关性计算,得到新混合用户评分矩阵r的项目相关矩阵a;S4、计算项目相关性矩阵A与不同项目相关矩阵a的欧式距离;S5、将欧式距离累加到混合用户评分矩阵R中每一个用户以及其近邻用户,过滤攻击用户。2.根据权利要求1所述的基于项目关联的托攻击检测方法,其特征在于,所述步骤S1具体为:S11、将混合用户评分矩阵R转变为新矩阵R’,新矩阵R’中评分项为1,未评分项为0;S12、对新矩阵R’中每个项目进行扩充,扩充后的项目与新矩阵R’相加,得到项目的共同平分项;S13、对共同评分项利用皮尔森相似度计算相似性,公式为:其中,X为项目X,为项目X的均值;Y为项目Y,为项目Y的均值;S14、重复步骤S12-S13,直至生成项目相关性矩阵A。3.根据权利要求1所述的基于项目关联的托攻击...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。