推荐系统中托攻击检测研究：算法与其他算法比较

为了检测不同数据集时托攻击检测的时间成本，设计了如下实验。实验分别用本书提出的RD-TIA方法、DeR-TIA方法、TS-TIA算法以及文献［90］中的βp-based的托攻击检测方法做对比。在填充率3％，攻击率3％的条件下各种算法的时间消耗如图6.5所示。

图6.5　几种托攻击算法时间消耗对比(www.xing528.com)

图6.5是在攻击规模3％，填充规模3％的条件下，在MovieLens和Netflix数据集下4种托攻击检测算法的时间消耗比较。数据集从小到大分别是MovieLens 100K、MovieLens 1M、MovieLens 10M（子集）以及Netflix数据集（子集）。从图6.5可以看出，当实验数据集变大时，各种算法的时间消耗也在增加；在同一个数据集下，De-TIA算法的时间消耗最大，RDTIA和βp-based方法次之，本章提出的TS-TIA算法时间消耗最小，并且随着数据集用户数和项目数的增加，托攻击检测算法的时间消耗增加不大。基于目标项目分析的方法的不足之处在于，文献［103］中的方法可检测Jester^[2]数据集中的托攻击，由于Jester数据集不是稀疏数据矩阵，不能使用基于目标项目分析的方法。

基于目标项目分析和时间序列的托攻击检测算法适用当评分项目较多的情况，对时间集中、数量大的托攻击检测效果较好；但是对评分数量少或者托攻击数量较少的数据集检测效果不好；并且对于托攻击评分时间不集中的攻击类型检测效果也不明显。