在本小节中使用MovieLens 100K和MovieLens 1M数据集进行托攻击检测实验。实验将托攻击检测按目标项目个数分为单目标项目检测和多目标项目检测。其中,当托攻击只针对一个目标项目评分时的托攻击称为单目标项目攻击;当托攻击针对多个目标项目评分的托攻击称为多目标项目攻击。图4.6展示了使用MovieLens 100K数据集时算法对单目标项目检测和多目标项目检测的检测结果,并和文献[103]中算法的检测结果进行了比较。
图4.6 单目标项目下RD-TIA检测结果
(1)单目标项目检测(Single-target item detection)
在第一组实验中,使用RD-TIA算法检测单目标项目托攻击,即攻击概貌只针对一个目标项目实施攻击。RD-TIA算法检测随机攻击和均值攻击两种托攻击,加上推攻击和核攻击两种攻击意图,共4种攻击类型的检测,即随机推攻击检测、均值推检测、随机核检测以及均值核检测。本节对所有的检测结果重复50次,求其均值。实验测试了填充规模为3%,5%,7%,9%等不同的情况下使用RD-TIA算法检测单目标项目托攻击时检测结果的假正率和AUC值。
图4.6是实施单目标项目检测时,当填充规模为5%时,各个检测指标随攻击规模变化时的结果。从图4.6(a)可以看出,RD-TIA算法检测4种攻击模型时检测结果假正率都处在较低水平,均低于0.02%。当攻击规模变化时,假正率较稳定;当填充规模变化时,假正率变化幅度较小。
图4.6(b)是单目标项目检测中填充规模为5%时,检测结果假正率和AUC值在攻击规模不同时的检测结果。从图4.6(b)可以看出,在填充规模为5%时,AUC值变化不大,都维持在较高水平。从图4.6(b)可以看出,检测核攻击的假正率比检测推攻击的假正率小,这从核攻击检测和推攻击检测的AUC值也可以看出来,检测推攻击的AUC值普遍比检测核攻击的AUC值低。说明使用RD-TIA检测方法检测核攻击要比检测推攻击的检测效率高。总体上RD-TIA算法的检测单目标项目托攻击时效果较好,检测结果假正率维持在较低的水平,AUC值接近1。
表4.5是当填充规模为3%,攻击概貌个数变化时,RD-TIA算法检测单目标项目均值攻击的检测率。
表4.5 单目标项目下均值攻击检测率
(2)多目标项目检测(Multi-target item detection)
第二组实验是使用RD-TIA算法检测多目标项目攻击,实验结果如图4.7所示。图4.7(a)是填充规模为5%时,多目标项目检测中各个检测指标随攻击规模变化时的结果。RD-TIA算法在4种不同的攻击模型下假正率都处在较低水平,均低于0.1%,并且当攻击规模变化时,假正率随目标项目个数的增加而升高。
图4.7 多目标项目下RD-TIA检测结果
从图4.7(b)可以看出,在填充规模为5%的单目标项目检测时,AUC值随目标项目个数的增加而下降。核攻击假正率的变化率要比推攻击的变化率小,并且推攻击的假正率总体要比核攻击的假正率的高,这从核攻击检测和推攻击检测的AUC值也可以看出来,推攻击的AUC值普遍比核攻击的AUC值低。说明使用托攻击检测方法检测核攻击要比检测推攻击的检测效率高。总的来说,RD-TIA算法检测多目标项目托攻击时效果较好,检测结果假正率维持在较低水平。
表4.6 多目标项目均值攻击检测率
表4.6是多目标项目下当攻击概貌个数变化时,多目标项目的均值攻击的检测率。其中,填充规模为5%,目标项目数目从1~10变化,每个目标项目有20个托攻击概貌评分。从表4.6中可以看出,检测结果假正率随着目标项目数的增加而增长。当攻击为同一意图时,检测结果中随机攻击和均值攻击的假正率相差不大,但是核攻击的假正率比推攻击的假正率低,并且核攻击的AUC值比推攻击的AUC高,这说明算法在检测核攻击的性能要比检测推攻击的性能高。(www.xing528.com)
与多目标项目托攻击检测相比,单目标项目托攻击检测的结果要好于多目标项目托攻击的检测效果。当填充规模大于3%时,二者的检测效率接近100%。
(3)和基于SVD托攻击检测算法的比较
为了说明RD-TIA算法的检测效率,使用MovieLens 1M数据集和文献[103]中Sheng Zhang的基于SVD的算法比较。在实验中选取了和文献[103]中同样的实验参数。
表4.7 攻击规模变化时均值攻击模型下检测结果
表4.7是在攻击规模变化的情况下,使用RD-TIA检测算法和基于SVD的检测算法[109]的比较。从表4.7中可以看出,当填充规模为3%,攻击规模变化时检测均值攻击,RD-TIA检测算法的检测率接近100%,检测结果假正率也低于SVD-based算法。
表4.8是在攻击规模是100个攻击概貌,概貌中评分个数变化的情况下,使用RD-TIA检测算法和基于SVD的检测算法的比较。表中比较了3个参数,即AUC、检测率和假正率。RD-TIA算法的AUC和检测率指标都要优于SVD-based算法。当填充大小小于1 000时,RD-TIA算法的假正率要优于SVD-based算法。
表4.8 填充规模变化时检测结果
表4.9是在攻击规模是100个攻击概貌时,在目标项目个数变化情况下使用RD-TIA的检测算法和基于SVD的检测算法的比较。
表4.9 目标项目个数变化时检测结果
续表
表4.10是攻击规模是100个攻击概貌,被评分个数变化情况下使用RD-TIA的检测算法和基于SVD的检测算法的比较。
表4.10 评分个数变化时的检测结果
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。