| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的主要研究内容 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第2章 协同过滤算法及攻击检测相关知识介绍 | 第16-26页 |
| 2.1 协同过滤推荐算法介绍 | 第16-18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页 |
| 2.2 协同过滤推荐算法中的攻击问题分析 | 第18-23页 |
| 2.2.1 推荐系统中的安全隐患 | 第19-20页 |
| 2.2.2 推荐攻击相关定义 | 第20-21页 |
| 2.2.3 攻击模型分类 | 第21-22页 |
| 2.2.4 推荐攻击效果的评价 | 第22-23页 |
| 2.3 支持向量机相关知识 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 集成分类器的概率输出方法 | 第26-36页 |
| 3.1 二值输出的攻击检测算法分析 | 第26-29页 |
| 3.1.1 二值分类算法介绍 | 第26-28页 |
| 3.1.2 二值分类法的问题分析 | 第28-29页 |
| 3.2 集成分类器的概率输出方法 | 第29-33页 |
| 3.2.1 集成SVM分类器 | 第30页 |
| 3.2.2 基于高斯模型的概率模型构建 | 第30-33页 |
| 3.2.3 概率输出矩阵的D-S数据融合 | 第33页 |
| 3.3 集成分类器概率输出方法的算法描述 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于分组优化的概率矩阵冲突解决算法 | 第36-43页 |
| 4.1 概率矩阵融合的D-S证据冲突问题 | 第36-37页 |
| 4.2 基于分组优化的证据冲突解决算法 | 第37-40页 |
| 4.2.1 证据分组指标 | 第37-39页 |
| 4.2.2 证据分组优化方法 | 第39-40页 |
| 4.3 基于分组优化的证据划分算法描述 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 实验验证与分析 | 第43-52页 |
| 5.1 实验准备工作 | 第43-44页 |
| 5.1.1 实验数据来源 | 第43页 |
| 5.1.2 实验环境 | 第43-44页 |
| 5.2 实验评价标准 | 第44页 |
| 5.3 推荐攻击集成检测的概率输出方法实验验证及分析 | 第44-51页 |
| 5.3.1 实验设置 | 第44-45页 |
| 5.3.2 概率输出准确性的比较 | 第45-48页 |
| 5.3.3 AUC性能比较 | 第48-50页 |
| 5.3.4 实验结果分析 | 第50-51页 |
| 5.4 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第59-60页 |
| 致谢 | 第60-61页 |
| 作者简介 | 第61页 |