[发明专利]基于半监督学习的推荐系统托攻击检测方法无效
| 申请号： | 201110138421.7 | 申请日： | 2011-05-26 |
| 公开（公告）号： | CN102184364A | 公开（公告）日： | 2011-09-14 |
| 发明（设计）人： | 伍之昂;曹杰;王有权;毛波 | 申请（专利权）人： | 南京财经大学 |
| 主分类号： | G06F21/00 | 分类号： | G06F21/00;G06F17/30 |
| 代理公司： | 南京汇盛专利商标事务所(普通合伙) 32238 | 代理人： | 陈扬 |
| 地址： | 210003 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于半监督学习的推荐系统托攻击检测方法，包括以下阶段：托攻击检测预处理阶段；通过对标记数据集和未标记数据集的数据进行预处理，获得标记和未标记数据集的托攻击检测指标，然后在标记数据集上训练初始的朴素贝叶斯分类器；EM-λ算法阶段；通过EM-λ算法不断迭代获取一个稳定的分类器，最终得到未标记数据集的类型；通过函数f:U→C来预测未标记用户属于正常用户normal(N)还是托攻击用户shilling(S)，完成推荐系统托攻击检测。本发明用于发现推荐系统中的托攻击用户，具有高效性、灵敏性和特效性，具有高检测率和低错误率。 | ||
| 搜索关键词： | 基于 监督 学习 推荐 系统 攻击 检测 方法 | ||
【主权项】：
一种基于半监督学习的推荐系统托攻击检测方法，其特征在于该方法包括以下阶段：1）托攻击检测预处理阶段；该阶段通过对标记数据集和未标记数据集的数据进行预处理，获得标记和未标记数据集的托攻击检测指标，然后在标记数据集上训练初始的朴素贝叶斯分类器；如果用户的类别已知，则其属于标记数据集L，否则属于未标记数据集U；L={(u1,c1),(u2,c2),…,(u|L|,c|L|)}为标记数据集， (u1, u2, ,…, u|L|)表示用户集合，(c1, c2, ,…, c|L|)表示该用户的类型集合，而U={u’1, u’2,…, u’|U|}为未标记数据集；2）EM‑λ算法阶段；该阶段通过EM‑λ算法不断迭代获取一个稳定的分类器，最终得到未标记数据集的类型；通过函数f: U→C来预测未标记用户属于正常用户normal(N)还是托攻击用户shilling(S)，完成推荐系统托攻击检测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京财经大学，未经南京财经大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201110138421.7/，转载请声明来源钻瓜专利网。
