雷梦宁，丁爱玲，王新美，韩佳倩，曹 苗

(长安大学 信息工程学院，陕西 西安 710061)

0 引 言

互联网时代的迅速发展，使“信息过载”现象愈发严重，寻找一种可以辨别有效信息的手段至关重要。随着用户对信息筛选的需求，搜索引擎应运而生，其通过在特定位置输入一些简单的关键词寻找与该关键词相关的信息。但其提供的海量信息仍需用户消耗大量时间精力去筛选。

推荐系统(recommender systems)[1-4]的出现有效缓解了信息过多带来的影响，其能够在海量的搜索结果中，依据用户的浏览记录、行为习惯、兴趣爱好等记录进行分析，为用户推荐最符合搜索预期的信息，从而缩短用户寻找有效信息的时间，为客户信息检索带来了极大的便利。其中，协同过滤(collaborative filtering，CF)作为推荐系统中最为有效的手段之一，广泛应用于生活中的各种领域，如Facebook、YouTube等。

推荐系统依靠其庞大的用户群体来为客户推荐较为准确的信息，一些商家利用该系统的开放性，通过注入大量攻击概貌[5]影响系统推荐结果，以此来提高或降低商品的系统推荐频率，从而谋取暴利。这种行为被称为托攻击(shilling attacks)[6-7]。其不正当的商业竞争行为造成系统推荐信息虚假或精确度不高等影响，偏离客户搜索预期。因此对托攻击进行防范检测具有重大的意义。

现有的托攻击检测方法对基本托攻击模型检测效果明显，文献[8-9]提出了一种基于特征分析的托攻击检测算法，可以针对不同类型的托攻击选取有效的检测指标，通过托攻击检测指标识别出攻击用户。……