一种基于半监督学习的推荐系统托攻击检测算法
使用协同过滤作为核心算法的推荐系统极易受到托攻击，托攻击者向系统注入伪造的用户模型扭曲推荐结果，托攻击检测是信息安全应用领域的热点问题。提出一种基于半监督学习的推荐系统托攻击检测算法，首先使用朴素贝叶斯分类器作为初始分类器，然后使用EM-λ算法来改进分类器。该算法能利用标记和无标记用户模型来构建稳定的托攻击检测器。基于MovieLens数据集的实验分析了算法参数λ的作用，并验证了算法针对AoP (Average over Popular Items)攻击的有效性。
推荐系统 托攻击检测 半监督学习 朴素贝叶斯 信息安全 协同过滤
伍之昂 方昌健 曹杰 王有权
南京财经大学江苏省电子商务重点实验室,江苏南京 210003
国内会议
无锡
中文
61-65,70
2011-11-14（万方平台首次上网日期，不代表论文的发表时间）