一种基于数据追踪的推荐系统安全检测方法

摘要

本发明提出一种基于数据追踪的推荐系统安全检测方法，以解决传统的协同过滤推荐系统检测用户注入概貌的耗时长、攻击效果不佳、不能适应大数据处理等缺点。该发明首先使用扩展卡尔曼滤波EKF可应用于时间非线性动态系统的特点，追踪并预测项目的评分状况，之后再利用线性判别分析LDA对项目中的评分异常用户进行聚类分析，从而判定该项目中的攻击用户及其概貌。扩展卡尔曼滤波方法的采用减少了对大量无关数据的检测，从而提高了检测效率，提高了系统的健壮性。追踪算法用于推荐系统的安全检测，能够实现在线不间断的系统检测，降低了误检率。线性判别分析方法实现对多特征用户降维，从而有效地检测恶意用户的概貌注入攻击并增加了检测率。

主权项

一种基于数据追踪的推荐系统安全检测方法，其特征在于，包括如下步骤：1)数据预处理，检测评分项目；2)项目追踪和预测，利用扩展卡尔曼滤波可应用于时间非线性动态系统的特点，追踪并预测项目的评分状况；3)攻击用户分类，利用线性判别分析式对项目中的评分异常用户进行聚类分析，从而判定该项目中的攻击用户及其概貌。