推荐系统中基于目标项目分析的托攻击检测方法及研究现状

本书由7个章节构成，第1章和第2章是对推荐系统托攻击相关理论分析及研究现状和文献综述。第3章提出了一种基于目标项目分析的推荐系统托攻击检测框架。在此框架基础上，第4章到第6章针对不同的托攻击类型提出了3种不同的推荐系统托攻击检测方法，并通过实验验证了所提出方法具有较优的检测性能。第7章是结论与展望。每章的具体内容如下所述。

第1章绪论

分析了推荐系统和推荐系统托攻击的研究背景、现状以及目前推荐系统托攻击检测主流的检测方法，并提出本书的主要研究内容、研究目的。

第2章推荐系统与推荐系统托攻击检测综述

首先对推荐系统现状和推荐系统托攻击检测进行了综述；然后，归纳总结了目前推荐系统面临的挑战，并分析与讨论了托攻击检测的研究方向；最后分析了推荐系统中的相似度计算方法和托攻击检测算法评价指标。

第3章基于目标项目分析的推荐系统托攻击检测框架

研究了托攻击群体性、时效性以及托攻击者对目标项目评分的特性，提出了一种基于目标项目分析的托攻击检测框架。该框架的思想是首先寻找有攻击嫌疑的疑似用户概貌集合，分析由这些用户概貌组成的评分矩阵，通过目标项目分析方法辨别托攻击的攻击类型，最后根据目标项目的评分和攻击类型检索攻击用户。

第4章基于概貌属性和目标项目分析的托攻击检测研究(www.xing528.com)

在基于目标项目分析的托攻击检测框架的基础上提出两种基于目标项目分析和概貌属性提取的托攻击检测方法RD-TIA和DeR-TIA。RDTIA算法首先提取用户概貌的DegSim和RDMA概貌属性，使用统计方法，将最可能是托攻击概貌的用户分离出来；然后通过目标项目分析的托攻击检测框架来检索托攻击概貌。RD-TIA算法用来检测托攻击中的均值攻击和随机攻击模型。在RD-TIA算法的基础上，通过改进DegSim概貌属性，提出了一种能检测随机攻击、均值攻击、流行攻击、段攻击以及混合攻击模型的托攻击算法DeR-TIA。

第5章基于支持向量机和目标项目分析的托攻击检测研究

针对基于无监督的托攻击检测算法需要系统先验知识过多，提出了使用基于监督学习的方法检测推荐系统托攻击的算法。并考虑到托攻击检测中类不均衡问题以及现有的基于支持向量机的攻击检测算法存在的缺陷，提出了使用自适应人工合成样本方法Borderline-SMOTE来缓解类不均衡问题。通过在MovieLens数据集上实验并与相关工作对比，验证了所提出方法的有效性。

第6章基于时间序列和目标项目分析的托攻击检测研究

为了适应推荐系统动态性的要求，提出了一种基于目标项目分析和时间序列的托攻击检测算法TS-TIA。TS-TIA算法将每个项目上的评分按照时间戳排序，并将评分序列分成若干个时间窗口，通过计算该区间的样本均值和样本熵，找出异常的评分的时间区间，并在异常评分的时间区间的评分矩阵中应用基于目标项目分析的托攻击检测模型实现托攻击检测。实验表明，与其他算法相比，TS-TIA算法大大缩短了托攻击检测所需的计算时间，并能够在评分矩阵较大时提高托攻击检测的效率。

第7章结论与展望

本书研究工作的结论及工作展望。