| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文的主要研究内容 | 第13-14页 |
| ·本文的组织结构 | 第14-16页 |
| 第2章 协同过滤推荐技术和相关理论知识介绍 | 第16-27页 |
| ·协同过滤推荐算法介绍 | 第16-18页 |
| ·基于用户的协同过滤推荐算法 | 第16-17页 |
| ·基于项目的协同过滤推荐算法 | 第17-18页 |
| ·协同过滤推荐系统中的攻击问题分析 | 第18-23页 |
| ·推荐系统中的安全隐患问题 | 第18-19页 |
| ·推荐攻击的相关定义 | 第19-20页 |
| ·攻击模型的分类 | 第20-22页 |
| ·推荐攻击的评价 | 第22-23页 |
| ·支持向量机和粗糙集理论以及其他相关知识简介 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于 SVM 和粗糙集理论的用户概貌攻击检测 | 第27-36页 |
| ·推荐算法的安全脆弱性分析 | 第27-28页 |
| ·基于 SVM 和粗糙集理论的用户概貌注入攻击检测算法 | 第28-35页 |
| ·用户概貌特征提取模块 | 第29-32页 |
| ·SVM 检测模块 | 第32页 |
| ·决策模块 | 第32-33页 |
| ·算法伪代码形式描述 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于聚类的用户概貌注入攻击检测 | 第36-45页 |
| ·不依赖于攻击模型的攻击用户概貌特征提取 | 第36-39页 |
| ·对所有用户进行聚类以及识别攻击用户概貌类簇 | 第39-40页 |
| ·在攻击用户类簇中寻找目标项目并检测相应的攻击用户概貌 | 第40-42页 |
| ·攻击检测算法描述 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 实验验证与分析 | 第45-56页 |
| ·实验准备工作 | 第45-46页 |
| ·实验数据的来源 | 第45-46页 |
| ·实验环境 | 第46页 |
| ·实验评价标准 | 第46页 |
| ·基于 SVM 和粗糙集理论的用户概貌攻击检测实验验证及分析 | 第46-50页 |
| ·基于聚类的用户概貌注入攻击检测算法的实验验证及分析 | 第50-54页 |
| ·针对经典攻击模型进行检测的实验方案和结果分析 | 第50-52页 |
| ·针对新模型模糊攻击进行检测的实验方案和结果分析 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第63-64页 |
| 致谢 | 第64-65页 |
| 作者简介 | 第65页 |
