| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-11页 |
| 1.4 研究内容 | 第11-12页 |
| 1.5 论文组织结构 | 第12-14页 |
| 2 托攻击检测关键技术分析 | 第14-24页 |
| 2.1 个性化推荐算法 | 第14-15页 |
| 2.2 托攻击模型分类 | 第15-18页 |
| 2.3 托攻击实例 | 第18-19页 |
| 2.4 托攻击检测方法 | 第19-21页 |
| 2.5 数据集分析 | 第21-22页 |
| 2.6 本章小结 | 第22-24页 |
| 3 融合时间维度的托攻击模型 | 第24-46页 |
| 3.1 融合时间维度的托攻击模型 | 第24-27页 |
| 3.1.1 等时间注入托攻击模型 | 第25-26页 |
| 3.1.2 随机时间注入托攻击模型 | 第26-27页 |
| 3.2 融合时间维度的托攻击对平均预测偏移的影响 | 第27-32页 |
| 3.2.1 等时间注入托攻击的实验结果 | 第27-31页 |
| 3.2.2 随机时间注入托攻击的实验结果 | 第31-32页 |
| 3.3 融合时间维度的托攻击对时间区间评分分布相似性的影响 | 第32-44页 |
| 3.3.1 时间序列划分方法 | 第33-36页 |
| 3.3.2 时间区间相似度度量方法 | 第36-37页 |
| 3.3.3 实验结果及分析 | 第37-44页 |
| 3.4 本章小结 | 第44-46页 |
| 4 融合时间维度的托攻击检测研究 | 第46-68页 |
| 4.1 基于时间序列的异常项目检测方法 | 第47-55页 |
| 4.1.1 基于时间序列动态划分的异常项目检测方法 | 第47-48页 |
| 4.1.2 实验结果及分析 | 第48-55页 |
| 4.2 融合时间维度的虚假用户检测研究 | 第55-66页 |
| 4.2.1 基于平均评分偏移的检测方法分析 | 第55-56页 |
| 4.2.2 融合时间维度的虚假用户检测方法 | 第56-58页 |
| 4.2.3 融合时间维度的虚假用户检测实例 | 第58-61页 |
| 4.2.4 实验结果和分析 | 第61-66页 |
| 4.3 本章小结 | 第66-68页 |
| 5 融合时间维度的托攻击检测原型系统 | 第68-74页 |
| 5.1 融合时间维度的托攻击检测流程 | 第68-70页 |
| 5.2 数据库设计 | 第70-71页 |
| 5.3 融合时间维度的托攻击检测关键模块 | 第71-72页 |
| 5.3.1 异常项目检测模块 | 第71-72页 |
| 5.3.2 虚假用户检测模块 | 第72页 |
| 5.4 本章小结 | 第72-74页 |
| 6 结论与展望 | 第74-76页 |
| 6.1 结论 | 第74-75页 |
| 6.2 展望 | 第75-76页 |
| 致谢 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 附录 | 第82页 |
| A 作者在攻读硕士学位期间发表的论文目录 | 第82页 |
| B 作者在攻读硕士学位期间申请的专利目录 | 第82页 |
| C 作者在攻读硕士学位期间参与的科研项目 | 第82页 |