推荐系统中的攻击检测研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 研究内容和论文组织结构 | 第15-18页 |
| 1.3.1 研究内容 | 第15页 |
| 1.3.2 论文组织结构 | 第15-18页 |
| 第2章 推荐系统与推荐攻击 | 第18-29页 |
| 2.1 推荐系统介绍 | 第18-22页 |
| 2.1.1 推荐系统概述 | 第18-19页 |
| 2.1.2 相似度计算方法 | 第19-20页 |
| 2.1.3 协同过滤推荐算法 | 第20-22页 |
| 2.2 推荐攻击介绍 | 第22-28页 |
| 2.2.1 托攻击概念 | 第22-24页 |
| 2.2.2 托攻击模型 | 第24-26页 |
| 2.2.3 托攻击检测及评价指标 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 用户特征提取和特征选择 | 第29-40页 |
| 3.1 用户概貌特征提取 | 第29-34页 |
| 3.2 特征选择 | 第34-37页 |
| 3.2.1 特征选择概述 | 第34-36页 |
| 3.2.2 用户概貌特征选择方法 | 第36-37页 |
| 3.3 特征选择实验分析 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于孤立森林的托攻击检测模型 | 第40-56页 |
| 4.1 孤立森林算法介绍 | 第40-42页 |
| 4.2 基于孤立森林的托攻击检测模型 | 第42-47页 |
| 4.2.1 基于孤立森林的托攻击检测方法 | 第42-46页 |
| 4.2.2 FW-IForest算法 | 第46-47页 |
| 4.3 孤立森林算法参数优化 | 第47-50页 |
| 4.3.1 粒子群优化算法 | 第47-48页 |
| 4.3.2 PSO-IForest算法 | 第48-50页 |
| 4.4 托攻击检测实验分析 | 第50-55页 |
| 4.4.1 孤立森林算法与其他方法比较 | 第50-51页 |
| 4.4.2 孤立森林算法参数分析实验 | 第51-53页 |
| 4.4.3 孤立森林改进算法效果比较实验 | 第53页 |
| 4.4.4 推荐系统托攻击检测实验 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 基于标签传播的托攻击检测模型 | 第56-63页 |
| 5.1 托攻击群体性研究 | 第56-58页 |
| 5.1.1 问题的提出 | 第56页 |
| 5.1.2 标签传播算法介绍 | 第56-58页 |
| 5.2 托攻击检测模型 | 第58-60页 |
| 5.3 实验分析 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 总结 | 第63页 |
| 展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士期间发表的论文 | 第71页 |
