一种基于兴趣组合的协作推荐攻击检测系统及方法技术方案

本发明专利技术提供了一种基于兴趣组合的协作推荐攻击检测系统及方法，该系统包括依次连接的用户信息记录模块、用户信息存储模块、用户兴趣组合挖掘模块和攻击用户判定模块，所述用户兴趣组合挖掘模块包括依次连接的聚类模块、过滤模块和兴趣组合确认模块，所述聚类模块与用户信息存储模块连接，所述兴趣组合确认模块与攻击用户判定模块连接。所述方法包括步骤：记录用户的已有评分信息；建立用户-项目评分矩阵；用户兴趣组合挖掘模块进行聚类分析、过滤分析和兴趣组合确认模块，得到标准用户兴趣组合；攻击用户判定模块对目标用户进行分析，并进行攻击用户认定；完成攻击用户认定。

【技术实现步骤摘要】

本专利技术属于网络应用技术，特别涉及一种基于兴趣组合的协作推荐攻击检测系统 及方法。
技术介绍
基于Web的推荐系统已经在当前电子商务环境中得到了普遍的应用，它旨在通 过分析用户在电子商务系统中留下的记录信息，通过数据挖掘、模式识别等领域的方法分 析其可能感兴趣的内容，向用户进行推荐，以达到提升用户体验，赢得用户良好忠诚度的目 的。协同过滤(Collaborative Filtering)方法是目前推荐系统中使用的最广泛的方法之 一，它通过捕捉集成在Web站点中的用户行为模式和Web对象之间的关系，试图找出用户行 为与项目之间的联系，以便为用户做出推荐。所谓的用户行为模式，可以表达为用户的兴趣 偏好在其浏览或给予内容评分上的体现形式，即拥有相似兴趣偏好的用户，对于同一个内 容的喜好或评价也相似。但是由于协作过滤算法特点所带来的的开放性，即所有算法分析 所需要的数据皆来自于用户的行为，它极易受到外部恶意攻击行为的影响。部分竞争者可 以利用推荐系统使用用户数据进行分析的特点，伪造大量用户数据，并对某个目标个体进 行大幅度抬高或贬低，以期达到使算法对目标个体的预测产生巨大偏差，进而造成目标个 体在推荐时偏离事实的目的。推荐系统中的检测防御模型致力于使用数据挖掘及模式识别 技术自动识别系统中存在的潜在攻击用户，并通过比对、观察等方法对其进行确认判断，从 而将这些攻击用户对推荐系统做出的推荐结果产生的影响降至最低。现存的攻击检测模型 大多从分析攻击用户的行为特点入手，通过判别潜在攻击用户是否符合各种已知攻击用户 模式特征来考察其攻击行为，并不符合现实中，检测系统对攻击用户模型未知的实际情况。 而且由于已知攻击用户模型的有限性，这种攻击检测模型对于检测混合型攻击的效果并不王困相
技术实现思路
本专利技术的首要目的在于克服上述现有技术的缺点与不足，提供一种结构简单、合 理的基于兴趣组合的协作推荐攻击检测系统，该系统可通过对项目集的聚类分析来挖掘用 户兴趣组合信息，并利用此兴趣组合信息作为标准判断特定用户是否属于对系统的恶意攻击者。本专利技术的另一目的还在于提供由上述系统实现的基于兴趣组合的协作推荐攻击 检测方法。为达上述目的，本专利技术采用如下的技术方案一种基于兴趣组合的协作推荐攻击检测系统，包括依次连接的用户信息记录模 块、用户信息存储模块、用户兴趣组合挖掘模块和攻击用户判定模块，所述用户兴趣组合挖 掘模块包括依次连接的聚类模块、过滤模块和兴趣组合确认模块，所述聚类模块与用户信 息存储模块连接，所述兴趣组合确认模块与攻击用户判定模块连接。所述过滤模块包括兴趣类型偏好过滤模块和兴趣类型关注过滤模块，所述兴趣类 型偏好过滤模块、兴趣类型关注过滤模块分别与聚类模块连接，且均分别与兴趣组合确认 模块连接。所述攻击用户判定模块包括相互连接的目标用户分析模块和攻击用户认定模块， 所述目标用户分析模块与用户兴趣组合挖掘模块连接。所述目标用户分析模块包括依次连接的目标聚类模块、目标过滤模块和目标兴趣 组合确认模块，所述目标聚类模块与用户兴趣组合挖掘模块中的兴趣组合确认模块连接， 所述目标兴趣组合确认模块与攻击用户认定模块连接。其中所述用户信息记录模块，用于记录用户对不同项目的评分，响应用户在评分上进 行的修操作，收集用户的浏览记录等；所述用户信息存储模块将通过用户信息记录模块得到的用户评分信息保存在物 理存储中，在使用时通过矩阵的形式读出，矩阵列为所有项目资源的名称，矩阵行为每个用 户对相应资源的评分；所述用户兴趣组合挖掘模块，根据用户对各项目的评分值(兴趣评分)所产生 的聚类类型，利用兴趣类型偏好条件和兴趣类型关注条件进行过滤，得到标准用户兴趣组 合；所述攻击用户判定模块，以用户兴趣组合挖掘模块输出的标准用户兴趣组合的语 义组合作为标准，通过使用与用户兴趣组合挖掘模块内计算方法类似的计算流程计算目标 用户的用户兴趣组合，进而通过判断其是否符合标准来判断该用户是否属于攻击者。所述聚类模块，用于对各项目进行初始的语义聚类分析；过滤模块，用于对聚类模 块得到的聚类类型组合进行进一步的分析，得到满足兴趣类型偏好条件与兴趣类型关注条 件的聚类类型组合，作为候选用户兴趣组合；兴趣组合确认模块，用于对过滤模块得出的候 选用户兴趣组合进行进一步的分析与总结，输出的是标准用户兴趣组合(即正常用户的用 户兴趣组合)。目标用户分析模块，用于对目标用户的评分值进行分析，得到该目标用户的用户 兴趣组合；攻击认定模块，用于比对目标用户的用户兴趣组合与标准用户兴趣组合，给出关 于目标用户是否为攻击用户的确切答案。由上述系统实现的基于兴趣组合的协作推荐攻击检测方法，包括步骤(1)各用户分别对部分项目作出评价，并通过用户信息记录模块记录各用户给各 项目的已有评分信息；(2)步骤(1)中记录所得的评分信息发送至用户信息存储模块的物理存储中保 存，并通过用户信息存储模块建立用户-项目评分矩阵；所述用户-项目评分矩阵为一个结 构化的二维矩阵，其纵坐标为项目列表，横坐标为用户列表，每一个矩阵单元中存储的数据 为对应用户对给定项目的评分值；(3)用户兴趣组合挖掘模块根据用户-项目评分矩阵中的评分信息对各用户进行 聚类分析、过滤分析和兴趣组合确认，具体包括(3-1)聚类分析聚类模块根据步骤( 所得的用户-项目评分矩阵中，各用户对 各项目的评分值，按照设定的语义，对各项目进行初始的聚类分析，将各项目分为若干种聚类类型，并对各聚类类型分别赋予类型标号；各聚类类型之间分别构成聚类类型组合；对 各项目按照语义赋予其对应的聚类类型的标号；(3-2)过滤分析用户兴趣组合挖掘模块中的过滤模块通过由聚类模块得到的各 个聚类类型来统计各个用户在各种聚类类型上的评分数目；兴趣类型偏好过滤模块根据兴趣类型偏好条件对步骤(3-1)所得的聚类类型 组合进行兴趣类型偏好过滤，通过兴趣类型关注过滤模块根据兴趣类型关注条件对步骤 (3-1)所得的聚类类型组合进行兴趣类型关注过滤，排除没有典型代表性及不受重视的聚 类类型组合，得到候选用户兴趣组合，所述候选用户兴趣组合为过滤后剩下的聚类类型组 合；(3-3)兴趣组合确认兴趣组合确认模块对过滤模块分析过滤之后得到的候选用 户兴趣组合进行进一步分析确认，得到标准用户兴趣组合，所述标准用户兴趣组合满足InterestPattern = {Candidate (U1) U Candidate (u2) U . . . U Candidate (um)}, 其中InterestPattern为所求的标准用户兴趣组合，Candidate (Ui)为第i个候选用户兴趣 组合；(4)攻击用户判定模块选择一个目标用户，并对该目标用户进行分析，并进行攻击 用户认定，具体包括(4-1)目标用户分析目标用户分析模块根据用户-项目评分矩阵中的评分值，对 目标用户进行聚类分析、过滤分析及兴趣组合确认，得到该目标用户的用户兴趣组合；(4-2)攻击用户认定攻击认定模块将步骤得到的目标用户的用户兴趣组 合与步骤(3-3)得到的标准用户兴趣组合进行比较，若满足设定条件，则该用户为正常用 户，否则该目标用户为攻击模拟出的恶意用户，向系统输出判定结果；所述设定条件为|VU’ι ( MaxLength本文档来自技高网...

【技术保护点】
１．一种基于兴趣组合的协作推荐攻击检测系统，其特征在于：包括依次连接的用户信息记录模块、用户信息存储模块、用户兴趣组合挖掘模块和攻击用户判定模块，所述用户兴趣组合挖掘模块包括依次连接的聚类模块、过滤模块和兴趣组合确认模块，所述聚类模块与用户信息存储模块连接，所述兴趣组合确认模块与攻击用户判定模块连接。

【技术特征摘要】

【专利技术属性】
技术研发人员：陈健，黄晋，闵华清，杜卿，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：81