[发明专利]基于栈式稀疏自编码器的托攻击检测方法

说明书

本发明公开了一种基于栈式稀疏自编码器的托攻击检测方法，主要解决现有技术对不同类型的托攻击用户需要提取对应特征的问题。其实现步骤为：(1)输入初始评分数据集；(2)初始化初始评分数据集；(3)直接以每个用户的评分作为输入训练栈式稀疏自编码器，提取到用户的特征数据；(4)用提取的特征数据作为输入，训练朴素贝叶斯分类器；(5)根据训练好的朴素贝叶斯分类器计算未知类型用户属于每个类型的概率，找出托攻击用户。本发明能直接用栈式稀疏自编码器提取每个用户的特征数据，能稳定的检测出多种类型的托攻击用户，可用于检测互联网系统中的恶意攻击用户。

技术领域

本发明属于信息安全领域，特别涉及一种托攻击检测方法，可用于检测互联网系统中的恶意攻击用户。

背景技术

20世纪末，互联网开始萌芽，随着网上信息量的飞速增长，人们在网上寻找自己所需的信息需耗费较大精力，正是这个需求催生了雅虎公司的成立，其将网上的信息分门别类创立了门户网站，为人们带来了福祉。然而未经多久，全社会的信息量开始呈现指数级增长，门户网站开始难以处理如此规模庞大的内容。谷歌应运而生，搜索业务较完美的解决了在海量信息中查找自己所需内容的问题，开始了其黄金发展时期。进入21世纪，世界范围内随着互联网的进一步普及与移动设备的兴起，每时每刻产生的信息量令人难以想象，这一切都促使着大数据时代的到来。

尤其以电子商务为代表，它的产生极大的促进了社会的进步与人民的生活水平。但是随着用户与产品数量的爆炸式增加，使人们难以实时的发现自己感兴趣的物品，所以，推荐系统概念的提出是时代的必然要求。

推荐系统是利用用户与系统之间的交互信息、个人与项目属性信息和用户与系统之间发生交互时的环境信息，比如时间、地点和天气等等，为用户主动推荐其可能感兴趣的项目列表。例如用户在进行搜索时，搜索引擎如何在上亿级数量的网页中进行筛选，在首页展示该用户最可能感兴趣的网页？现在其中所包含的算法除了传统的搜索技术更是囊括了推荐算法。国内具体的成功案例如豆瓣FM，其可以根据用户的收听历史为用户推荐其可能喜欢的曲目，增强了用户黏性，以稳固商业地位为其带来营收。国外案例如Amazon利用用户的购物历史，主动为用户推荐列表，减少物品的长尾分布特性；Netflix的策略和上述两家企业大致相同，为其用户推荐影片等等。然而，由于商业利益与用户属性不稳定性的驱动，使其推荐列表的精度大大限制，这是学术界与业界亟需解决的问题。

首先简要阐述用户属性特征的不稳定性，对推荐系统造成的影响。第一，因为用户兴趣是随时间变化的，所以其对相近属性项目的评价会出现前后差别较大的现象，加大了推荐算法的设计难度；第二，用户对相同项目的评价，会因为当时环境的差异而出现偏差，比如在风和日丽的早晨，也许会对厌恶的项目给予好评，反之如果心情恰好不悦，也许会对心仪的产品差评；第三，以Netflix为例，很多家庭中，其家庭成员是共享一个账号的，所以其对影片的借阅与观看历史会出现庞杂而无特定模式的现象。以上所述为最常见的自然噪声现象，本因在于人的属性的不稳定性与社会现象的复杂性。但是人为噪声却具有一定的模式，某些个人或者企业由于利益的驱动，在系统中注入大量的虚假交互数据，其目的不是为了表达个人的喜好，而是为了操控推荐系统的推荐结果向着其利益倾斜，或者只是为了扰乱推荐系统的工作，使用户对其失望，从而造成用户的流失。所以近年来众多学者一直在此领域努力，致力于提高推荐系统的鲁棒性。目前有两种思路解决该问题。其一，不对原始数据集做修改，设计鲁棒性推荐算法，降低噪声对推荐系统性能的扰动，但是目前实践证明该策略泛化能力强，但始终推荐精度不高。所以另外一种解决策略是托攻击检测，即在数据预处理中，根据一定的甄别方法剔除被认为是托的用户。由于这种方法，可以根据托攻击行为的变化，从而对分类器进行相对应的训练，使其保持着一定的分类精度的同时，也可以维持其对新类型攻击的适应性，所以一直是学术领域内研究的热点。