本小节设计了两组实验，分别用于检验当假设已知攻击规模时使用基于目标项目分析和时间序列的托攻击检测框架检测效果，以及攻击规模未知时使用基于目标项目分析和时间序列的托攻击检测框架检测效果。
为了检测使用构建时间序列的方法检测托攻击概貌的效率，本实验使用MovieLens 1M数据集，随机选取了10组该项目上评分超过200的项目。并将这10个项目作为目标项目，分别注入攻击规模为不同的均值攻击概貌，并使用基于目标项目分析和时间序列的托攻击检测方法检测托攻击。当在均值攻击模型下，填充规模为3％，攻击规模不同时，置信空间不同时攻击评分落在疑似窗口中的比例随攻击量变化的曲线图如图6.3所示。
图6.3置信空间不同时攻击评分落在疑似窗口中的比例
文献［103］提出了一种当托攻击规模未知时，一种自适应改变时间窗口大小的方法，为了检测使用构建时间序列的方法检测托攻击概貌大小未知时的效率，本实验使用MovieLens 1M数据集，随机选取了10组该项目上评分超过200的项目。并将这10个项目作为目标项目，分别注入攻击规模为30、50、70等均值攻击概貌，使用提出的算法（样本熵）和基于目标项目分析和时间序列的托攻击检测框架检测托攻击概貌。测试了当填充率不同时，使用TS-TIA算法托攻击检测时的检测率；以及在填充率为3％，攻击率不同时与其他算法假正率的比较。
图6.4是当攻击数目变化时的检测率和假正率。从图6.4可以看出，随着攻击数量的增加，检测率随着攻击数量的增加而提高。TS-TIA算法的假正率随攻击率的增加逐渐减少。使用样本熵的检测效率要高于样本均值的检测效率。在假正率方面，对TS-TIA的假正率要低于βp-based算法的假正率，高于本书提出的DeR-TIA和RD-TIA算法的假正率。(www.xing528.com)
图6.4 当攻击数量变化时TS-TIA算法的检测率和假正率
表6.3比较了TS-TIA方法和文献［103］中的方法的检测结果。从表6.3可以看出，TS-TIA算法的假正率要比文献［103］中的方法的假正率低。
表6.3 当攻击数量变化时TS-TIA算法的检测率和假正率
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。
