文献类型：期刊文章

作　　者：庞明[1,2] 周志华[1,2]

机构地区：[1]南京大学计算机软件新技术国家重点实验室,南京210023 [2]南京大学软件新技术与产业化协同创新中心,南京210023

出　　处：《中国科学：信息科学》

基　　金：国家自然科学基金(批准号:61333014)资助项目

年　　份：2018

卷　　号：48

期　　号：2

起止页码：177-186

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2017_2018、JST、RCCSE、ZGKJHX、核心刊

摘　　要：推荐系统在我们的生活中被广泛应用,对人们的生活起着越来越重要的影响.然而,协同过滤作为一种常见的推荐技术,很容易受到伪造虚假用户评分信息的恶意攻击的影响.为了保证推荐的质量,很多恶意攻击检测的方法被提出用于检测恶意攻击.现有的攻击检测方法大多是针对有组织大规模攻击的检测,即攻击者根据同一种策略,伪造大量的虚假用户评分信息用于提升或贬低一个目标物品.本文研究了一种不同的攻击类型:无组织恶意攻击,即攻击者们在没有组织的情况下,分别伪造少量的虚假用户评分信息来提升或贬低同一个目标物品.无组织恶意攻击出现在很多真实的应用中,对推荐系统的鲁棒性造成严重影响,而针对该攻击类型的研究还很初步.实验结果表明现有攻击检测方法不能够有效地检测无组织恶意攻击.本文分析了现有的多种攻击检测方法无效的原因,进而通过分析无组织恶意攻击的特性,总结出无组织恶意攻击检测的关键.

关 键 词：攻击检测 推荐系统 协同过滤 无组织恶意攻击  鲁棒性

分 类 号：TP391.3] TP393.08[计算机类]