胡玉琦，李 雪，曲越奇

(1. 燕山大学 信息与工程学院，河北 秦皇岛 066004；2. 燕山大学 里仁学院，河北 秦皇岛 066004)

0 引言

推荐系统通过在海量信息中为用户寻找所需要的信息，进行个性化推荐，有效地解决信息过载问题，但系统的开放性使得其很容易被恶意用户攻击。目前攻击行为正逐渐由个体攻击行为转变为群组攻击行为[1]，群组攻击行为通过多个用户共同作用的方式有目的地对系统注入攻击概貌以增加或减少目标项目被推荐的频率[2-3]。相对于个体攻击行为而言，攻击群组中的各个用户互相协作和掩护，攻击的迷惑性更强，传统的检测算法逐渐失效，推荐系统的鲁棒性正受到挑战。

针对攻击群组的检测算法中，Wan等人采用AP聚类对用户进行群组划分，将每个群组表示为评分向量，并根据压缩后的评分向量矩阵找出被攻击的目标项目，根据目标项目找出攻击群组。该算法可以检测多种类型的攻击，但对分段攻击类型的小攻击规模数据集检测效果不稳定[4]。Dou等人采用了矩阵分解和决策树检测攻击用户，用特征向量表示用户的信息，利用决策树对用户进行分类。该算法需要事先获得用户标签，并且如果在数据集中正常用户和攻击用户比例相差较大的情况下检测性能会降低[5]。Zhang等人需要事先了解攻击规模并标记种子用户，而实际的攻击规模具有随机性难以获取，该条件影响了算法的实用性。另外，该算法还受种子用户比例的影响，如果选取的种子用户少，检测性能将降低[6]。……