【技术实现步骤摘要】
一种基于信任的托攻击用户的检测方法及系统
本专利技术通过研究信任网络下的托攻击用户统计量特征，提出了一种检测托攻击用户的有效方法。主要解决了由于托攻击问题导致的推荐系统鲁棒性较差，易受到攻击，而使得推荐结果不准确的问题，属于推荐
技术介绍
2018年，阿里巴巴的年营收是321.54亿元人民币，亚马逊的年营收是177866.0百万美元，电子商务发展如此迅猛，协同过滤算法功不可没。信息数量的爆炸式增长，使得用户难以在海量的信息中，找到自己感兴趣的商品，如何准确快速的定位用户偏好的商品，从而对用户进行推荐，成为推荐系统的设计的首要目标。现有文件：W.Hong-xia,″AnImprovedCollaborativeFilteringRecommendationAlgorithm,″2019IEEE4thInternationalConferenceonBigDataAnalytics(ICBDA),Suzhou,China,2019,pp.431-435，公开了一种协同过滤算法，从相似的用户和相似的项目角度出发，分析项目之间和用户之间的相似程度，找到用户偏好的...
【技术保护点】
1.一种基于信任的托攻击用户的检测方法，其特征在于，包括以下步骤：步骤1)，对所有用户的评分信息进行采集，建立用户评分数据集；步骤2)，对所有用户的信任信息进行采集，建立信任用户数据集；步骤3)，根据用户评分数据集对信任用户数据集进行托攻击用户检测；步骤31)，将用户分为托攻击用户集合attackUser和正常用户集合normalUser；步骤32)，在信任用户数据集中，计算每一个有信任关系用户的信任集群等级TCL、信任项目等级TPL、信任相似度等级TSL；信任集群等级TCL的计算公式如下：
【技术特征摘要】
1.一种基于信任的托攻击用户的检测方法，其特征在于，包括以下步骤：步骤1)，对所有用户的评分信息进行采集，建立用户评分数据集；步骤2)，对所有用户的信任信息进行采集，建立信任用户数据集；步骤3)，根据用户评分数据集对信任用户数据集进行托攻击用户检测；步骤31)，将用户分为托攻击用户集合attackUser和正常用户集合normalUser；步骤32)，在信任用户数据集中，计算每一个有信任关系用户的信任集群等级TCL、信任项目等级TPL、信任相似度等级TSL；信任集群等级TCL的计算公式如下：其中，TCL表示信任集群等级，TA表示用户A信任的用户集合，表示信任TA的用户集合；信任项目等级TPL的计算公式如下：其中，TPL表示信任项目等级，It表示用户t评价的项目集合，IA表示用户A评价的项目集合，表示用户A评价的项目集合的数目，Numbermax为评分最多项目的用户的评分项目总数，实际上对于进行归一化处理，表示用户A和信任用户A的用户集合共同评价项目数量的权重，ω表示评价项目数量的权重，与ω和为1。信任相似度等级TSL的计算公式如下：其中，TSL表示信任相似度等级；步骤33)，将TCL>α，TPL>β，TSL>γ的用户添加到托攻击用户集合attackUser中，α表示自定义TCL的阈值，β表示自定义TPL的阈值，γ表示自定义TSL的阈值，以上三个参数，均需要根据实际数据集合分布进行设置；步骤34)，计算托攻击用户集合attackUser所有用户的全局一致度等级GCL的平均值，记为全局一致度等级GCL的计算公式：其中，GCL表示全局一致度等级，IA表示用户A评价的项目集合，rA,i为用户A对于项目i的评分，为项目i所有评分的平均评分；通过计算托攻击用户集合attackUser中的平均全局一致性等级然后将用户的全局一致度等级GCL与平均全局一致性等级比较，如果比较值大于预设的阈值...
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。