| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 有监督检测 | 第12-13页 |
| 1.2.2 无监督检测 | 第13页 |
| 1.2.3 半监督检测方法 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第2章 相关理论及群组攻击介绍 | 第16-24页 |
| 2.1 协同过滤推荐系统 | 第16-20页 |
| 2.1.1 基于用户的协同过滤推荐算法 | 第16-18页 |
| 2.1.2 基于项目的协同过滤推荐算法 | 第18-20页 |
| 2.2 攻击模型相关知识 | 第20-21页 |
| 2.2.1 攻击概貌 | 第20页 |
| 2.2.2 攻击模型 | 第20-21页 |
| 2.2.3 群组攻击模型 | 第21页 |
| 2.3 PU-Learning算法 | 第21-22页 |
| 2.4 支持向量机 | 第22-23页 |
| 2.5 K-means聚类 | 第23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 基于项目时间序列与PU-Learning的群组攻击检测算法 | 第24-37页 |
| 3.1 引言 | 第24页 |
| 3.2 基于项目时间序列与PU-Learning的群组攻击检测框架 | 第24-26页 |
| 3.3 目标项目样本抽取 | 第26页 |
| 3.4 项目时间序列划分 | 第26-29页 |
| 3.4.1 项目时间序列划分方法 | 第26-29页 |
| 3.5 PU-Learning算法 | 第29-35页 |
| 3.5.1 本文使用到的已有目标项目特征介绍 | 第29-30页 |
| 3.5.2 目标项目特征提取 | 第30-32页 |
| 3.5.3 特征降维算法 | 第32-35页 |
| 3.6 目标项目识别及群组攻击检测 | 第35-36页 |
| 3.7 本章小结 | 第36-37页 |
| 第4章 基于用户评分行为分析的群组攻击检测算法 | 第37-48页 |
| 4.1 引言 | 第37页 |
| 4.2 基于用户评分行为分析的群组攻击检测算法框架 | 第37-38页 |
| 4.3 用户特征提取 | 第38-41页 |
| 4.3.1 本文使用的已有的用户特征介绍 | 第38-39页 |
| 4.3.2 攻击用户特征提取 | 第39-41页 |
| 4.4 用户特征聚类 | 第41-45页 |
| 4.4.1 改进的二分K-means聚类 | 第42-45页 |
| 4.5 目标项目识别及群组攻击检测 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第5章 实验过程与分析 | 第48-56页 |
| 5.1 实验数据集及设置 | 第48-49页 |
| 5.1.1 实验数据 | 第48-49页 |
| 5.1.2 实验评价指标 | 第49页 |
| 5.1.3 实验环境 | 第49页 |
| 5.2 参数的选取 | 第49-50页 |
| 5.3 基于项目时间序列与PU-Learning的群组攻击检测算法实验 | 第50-52页 |
| 5.3.1 对比实验及介绍 | 第50-51页 |
| 5.3.2 实验结果与分析 | 第51-52页 |
| 5.4 基于用户评分行为分析的群组攻击检测算法实验 | 第52-54页 |
| 5.4.1 对比实验及介绍 | 第52页 |
| 5.4.2 实验结果与分析 | 第52-54页 |
| 5.5 本章小结 | 第54-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |
