发明名称 |
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。 |
申请公布号 |
CN105809030A |
申请公布日期 |
2016.07.27 |
申请号 |
CN201610120727.2 |
申请日期 |
2016.03.03 |
申请人 |
南京邮电大学 |
发明人 |
黄海平;李峰;朱洁;叶宁;王鹏;王汝传;沙超;吴鹏飞 |
分类号 |
G06F21/55(2013.01)I |
主分类号 |
G06F21/55(2013.01)I |
代理机构 |
南京知识律师事务所 32207 |
代理人 |
汪旭东 |
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。 |
地址 |
210003 江苏省南京市鼓楼区新模范马路66号 |