针对协同过滤推荐系统的推举托攻击研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1.绪论 | 第10-18页 |
| 1.1 课题的背景与意义 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-13页 |
| 1.2.1 国外相关研究 | 第12页 |
| 1.2.2 国内相关研究 | 第12-13页 |
| 1.3 课题内容及拟解决关键问题 | 第13-15页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 拟解决关键问题 | 第14-15页 |
| 1.4 论文结构 | 第15-16页 |
| 1.5 本章小结 | 第16-18页 |
| 2.协同过滤推荐系统及安全问题 | 第18-30页 |
| 2.1 协同过滤推荐技术 | 第18-21页 |
| 2.1.1 基于用户的最近邻推荐 | 第19-20页 |
| 2.1.2 基于物品的最近邻推荐 | 第20页 |
| 2.1.3 基于用户和基于物品的推荐算法比较 | 第20-21页 |
| 2.2 安全问题 | 第21-28页 |
| 2.2.1 推荐系统托攻击 | 第22-23页 |
| 2.2.2 攻击成本 | 第23页 |
| 2.2.3 托攻击模型和分类 | 第23-25页 |
| 2.2.4 攻击检测指标 | 第25-27页 |
| 2.2.5 攻击检测方法性能评价 | 第27页 |
| 2.2.6 托攻击检测技术 | 第27-28页 |
| 2.3 本章小结 | 第28-30页 |
| 3.基于特征指标的半监督推荐系统托攻击检测 | 第30-42页 |
| 3.1 相关定义 | 第30-31页 |
| 3.2 选择标记用户初始聚类中心 | 第31-32页 |
| 3.3 K-Means改进算法 | 第32-33页 |
| 3.4 特征指标MUS的计算 | 第33-34页 |
| 3.5 用户概貌特征指标的选择 | 第34-35页 |
| 3.6 基于特征值半监督检测算法 | 第35-37页 |
| 3.6.1 攻击检测算法流程 | 第35-36页 |
| 3.6.2 攻击目标项It确定 | 第36-37页 |
| 3.7 算法总体框架 | 第37-38页 |
| 3.8 实验分析 | 第38-40页 |
| 3.8.1 特征指标重要性比较 | 第38-39页 |
| 3.8.2 实验结果分析 | 第39-40页 |
| 3.9 本章小结 | 第40-42页 |
| 4.混淆托攻击模型对推荐系统的影响 | 第42-52页 |
| 4.1 相关定义 | 第42-43页 |
| 4.2 托攻击中的混淆策略 | 第43-44页 |
| 4.3 构建混淆流行交叉项托攻击模型 | 第44-46页 |
| 4.3.1 混淆流行交叉项托攻击模型的构成 | 第44页 |
| 4.3.2 混淆流行交叉项托攻击模型 | 第44-46页 |
| 4.4 攻击流程框架及模块设计 | 第46-47页 |
| 4.4.1 攻击模拟框架 | 第46页 |
| 4.4.2 攻击模块设计 | 第46-47页 |
| 4.5 攻击仿真 | 第47-50页 |
| 4.6 本章小结 | 第50-52页 |
| 5.半监督推荐系统混淆托攻击检测 | 第52-62页 |
| 5.1 相关定义 | 第52-53页 |
| 5.2 两种混淆托攻击模型 | 第53-54页 |
| 5.3 混淆托攻击模型特征指标的选取 | 第54-55页 |
| 5.4 特征指标向量的压缩 | 第55-58页 |
| 5.4.1 用户概貌特征指标均值 | 第55页 |
| 5.4.2 高信任度标记用户特征指标向量空间压缩 | 第55-57页 |
| 5.4.3 输入用户特征指标向量空间压缩 | 第57-58页 |
| 5.5 半监督混淆托攻击检测算法 | 第58-59页 |
| 5.6 算法总体框架 | 第59页 |
| 5.7 实验分析 | 第59-60页 |
| 5.8 本章小结 | 第60-62页 |
| 6.总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 硕士阶段发表论文 | 第67-68页 |
| 致谢 | 第68页 |
