费 艳，缪骞云,2，刘学军

1(南京工业大学 计算机科学与技术学院,南京 211816)

2(南瑞集团有限公司(国网电力科学研究院)，南京 210003)

1 引 言

基于协同过滤的推荐已经成为解决现代互联网上信息过载的有效途径之一，目前已经被广泛应用于电子商务领域.但是，协同过滤推荐系统本身所具有的高度开放性，使得恶意攻击用户极容易利用这一点，为攻击系统而注入大量的虚假用户概貌，一方面极力伪装成正常用户的邻居用户，另一方面伪造用户对于项目的虚假评分信息，试图令推荐系统有利于攻击用户，产生虚假的推荐.

目前大多托攻击检测方法都是采用人工方式来提取用户特征，认为攻击概貌与真实概貌在评分方式上有着显著的差异，并将其作为特征属性来区分出攻击用户并剔除，但是，人工特征往往有很大局限性：1)攻击者为了避免被检测出来，往往会模仿真实用户的评分行为，使得人工特征的区分能力降低；2)不同的攻击类型往往需要采用不同的特征指标，而构建合适的特征指标往往是非常困难的，而且，也需要较高的知识成本.在混合攻击、类型未知的攻击中，构建人工特征就更为困难，但是，特征工程的质量却很大程度上决定了检测性能.因此，采用自动、半自动策略提取用户特征已经引起人们的关注.

深度神经网络具有非常强的计算能力以及非线性映射等优点，在手写数字识别、模式识别等分类问题中有着广泛的应……