卫星君

摘要 本文提出基于特征值的推荐系统托攻击检测。使用信息增益为不同攻击模型选择合适的特征值。确定攻击目标为K-means选择初始聚类中心，从而划分攻击用户和普通用户，识别出攻击用户.实验证明该算法有较好的检测准确率。

关键词 托攻击；特征指标；聚类

中图分类号 TP3 文献标识码 A 文章编号 1674-6708（2016）159-0079-02

1 概述

为了解决这种“信息过载”问题，个性化服务技术因此而诞生。它通过收集和分析用户的信息，在用户手动搜索之前将有用信息推荐给用户，来为不同用户提供不同的服务和内容。个性化推荐系统（personalizedrecommendersystems）（简称为推荐系统）已经成为解决信息过载问题不可缺少的一部分。在实际情况中，推荐系统的建议可以影响用户的选择行为，从而带来巨大经济利益。为了误导系统，“攻击者”会伪造用户记录，使得成为尽量多的正常用户的近邻，然后给要攻击的目标物品特好或者特差的评分值。为了确保伪造的记录能够奏效，攻击者需要找到更好的方法给系统做“托（shilling）”，最终实现影响系统的目的。

2 托攻击模型

2.1 相关定义

定义1（攻击概貌）托攻击是由注入推荐系统的攻击概貌构成。攻击者确定攻击项（itemt），给予部分项适当的评分构成一条攻击记录。

2.2 攻击模型

主流的攻击模型有随机攻击、均值攻击、流行攻击。

1）随机攻击

依据攻击概貌，随机攻击的选择项为空集（I_s=φ），推攻击目标相为最大值评分（I_t=s_max），核攻击目标项为最小值评分（I_t=_min）。填充项（IF）随机选取除目标项之外的项集，填充项的评分则服从推荐系统中评分的正态分布。……