| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究背景及意义 | 第10页 |
| ·国内外研究现状 | 第10-13页 |
| ·本文的主要研究内容 | 第13页 |
| ·本文的组织结构 | 第13-15页 |
| 第2章 协同过滤推荐算法及攻击模型 | 第15-25页 |
| ·协同过滤推荐算法介绍 | 第15-18页 |
| ·基于用户的协同过滤推荐算法 | 第15-17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 | 第18-19页 |
| ·攻击的相关定义 | 第19-20页 |
| ·攻击模型的分类 | 第20-22页 |
| ·攻击的效果评价指标 | 第22-23页 |
| ·粗糙集理论相关知识简介 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于增量学习的推荐攻击检测算法 | 第25-34页 |
| ·基于分类属性的有监督攻击检测算法分析及存在的问题分析 | 第25-26页 |
| ·基于分类属性的有监督攻击检测算法分析 | 第25-26页 |
| ·基于分类属性的有监督攻击检测算法存在的问题分析 | 第26页 |
| ·基于增量学习的推荐攻击检测算法 | 第26-32页 |
| ·相关定义 | 第27-28页 |
| ·基于边界样本的训练集生成算法 | 第28-29页 |
| ·基于决策规则的增量学习算法 | 第29-31页 |
| ·基于统计特性的攻击检测方法 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第4章 基于多维风险因子的推荐攻击检测算法 | 第34-43页 |
| ·基于时间序列的攻击检测算法分析及存在的问题分析 | 第34-35页 |
| ·基于多维风险因子的攻击检测方法分析 | 第35-36页 |
| ·基于多维风险因子的推荐攻击检测算法 | 第36-42页 |
| ·时间间隔可疑度识别及评估 | 第36-37页 |
| ·风险反馈识别及评估 | 第37-38页 |
| ·惩罚函数识别及评估 | 第38-39页 |
| ·用户评分活跃度识别及评估 | 第39页 |
| ·基于信息熵的风险因子分类权重 | 第39-40页 |
| ·算法伪代码形式描述 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 实验验证与分析 | 第43-54页 |
| ·实验准备工作 | 第43-44页 |
| ·实验数据 | 第43-44页 |
| ·实验环境 | 第44页 |
| ·实验评价指标 | 第44页 |
| ·基于增量学习的推荐攻击检测算法的实验对比及分析 | 第44-49页 |
| ·实验过程及实验结果分析与评价 | 第45-49页 |
| ·基于多维风险因子的推荐攻击检测算法的实验对比及分析 | 第49-53页 |
| ·实验过程及实验结果分析与评价 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第60-61页 |
| 致谢 | 第61-62页 |
| 作者简介 | 第62页 |