基于LDA模型和灰色理论的托攻击检测算法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文的主要研究内容 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 第2章 协同过滤推荐算法及相关理论 | 第14-22页 |
| 2.1 协同过滤推荐算法 | 第14-16页 |
| 2.1.1 基于用户的协同过滤推荐算法 | 第14-15页 |
| 2.1.2 基于项目的协同过滤推荐算法 | 第15-16页 |
| 2.2 攻击技术相关理论知识 | 第16-18页 |
| 2.2.1 攻击概貌 | 第16页 |
| 2.2.2 攻击模型 | 第16-18页 |
| 2.3 相关理论 | 第18-21页 |
| 2.3.1 GibbsLDA主题模型简介 | 第18-19页 |
| 2.3.2 灰色理论简介 | 第19-20页 |
| 2.3.3 密度聚类简介 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于LDA与MTD模型的托攻击检测算法 | 第22-34页 |
| 3.1 基于LDA与MTD模型的托攻击检测框架 | 第22-23页 |
| 3.2 用户偏好主题抽取 | 第23-27页 |
| 3.3 用户评分行为分析 | 第27-31页 |
| 3.4 攻击用户检测 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于灰色理论与密度聚类的托攻击检测算法 | 第34-44页 |
| 4.1 基于灰色理论与密度聚类的托攻击检测框架 | 第34-35页 |
| 4.2 灰色关联度分析 | 第35-38页 |
| 4.3 密度聚类 | 第38-40页 |
| 4.4 攻击用户检测 | 第40-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 实验验证与分析 | 第44-57页 |
| 5.1 实验数据集及设置 | 第44-45页 |
| 5.1.1 实验数据 | 第44-45页 |
| 5.1.2 实验评测指标 | 第45页 |
| 5.1.3 实验环境 | 第45页 |
| 5.2 实验结果及分析 | 第45-55页 |
| 5.2.1 对比试验介绍 | 第45-46页 |
| 5.2.2 模型参数选取 | 第46-48页 |
| 5.2.3 实验结果与分析 | 第48-55页 |
| 5.3 本章小结 | 第55-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第62-63页 |
| 致谢 | 第63页 |
