针对商品推荐系统的混淆托攻击半监督检测研究

利用标记用户,提出一种半监督检测算法,对推荐系统混淆托攻击进行有效检测。为降低评分偏移策略对检测的影响,改进K均值聚类算法（K-Means Clustering Algorithm, K-Means）算法,提出共同关注项;为凸显噪音注入策略对检测的影响,过滤共同关注项,计算标记用户特征指标,利用二次特征提取的方法,给出区分用户概貌的先验知识。在此基础上压缩特征指标向量,使攻击概貌和普通概貌富集到空间两端,最终识别攻击用户。比较半监督检测、主成分分析和贝叶斯检测算法,结果表明,该检测算法对混淆托攻击在不同填充率下有较高的检测准确率。