基于特征选择的推荐系统托攻击检测算法
作者:伍之昂;曹杰;王有权;庄毅
作者单位:南京财经大学江苏省电子商务重点实验室,江苏南京210003;南京财经大学江苏省电子商务重点实验室,江苏南京210003;南京理工大学计算机科学与技术学院,江苏南京210094;南京理工大学计算机科学与技术学院,江苏南京210094;浙江工商大学计算机与信息工程学院,浙江杭州310018
加工时间:2014-06-15
信息来源:《电子学报》
关键词:推荐系统;托攻击检测;特征选择;朴素贝叶斯分类;k近邻分类
摘 要:基于协同过滤的电子商务推荐系统极易受到托攻击,托攻击者注入伪造的用户模型增加或减少目标对象的推荐频率,如何检测托攻击是目前推荐系统领域的热点研究课题.分析五种类型托攻击对不同协同过滤算法产生的危害性,提出一种特征选择算法,为不同类型托攻击选取有效的检测指标.基于选择出的指标,提出两种基于监督学习的托攻击检测算法,第一种算法基于朴素贝叶斯分类;第二种算法基于k近邻分类.最后,通过实验验证了特征选择算法的有效性,及两种算法的灵敏性和特效性.