文献类型：期刊文献

中文题名：基于奇异值分解的攻击检测

英文题名：Attack detection based on singular value decomposition

作者：王坚 刘继乾 程星晶 徐润

第一作者：王坚

机构：[1]贵州理工学院信息工程学院;[2]重庆邮电大学通信与信息工程学院

第一机构：贵州理工学院电气与信息工程学院

年份：2017

卷号：38

期号：2

起止页码：287-293

中文期刊名：计算机工程与设计

外文期刊名：Computer Engineering and Design

收录：CSTPCD;;北大核心:【北大核心2014】；

基金：贵州省科学技术基金项目(黔科合J字[2014]2082号;黔科合J字[2014]2081号);重庆市科委基础与前沿研究计划基金项目(cstc2014jcyjA40039)

语种：中文

中文关键词：推荐算法;协同过滤;信息过载;托攻击者;奇异值分解

外文关键词：recommendation algorithm; collaborative filtering; information overload; shilling attacker; singular value decomposition

摘要：为有效解决协同过滤推荐系统中由托攻击影响导致的推荐准确率降低的问题,分析托攻击者的几种主要攻击行为特点,提出一种对用户-项目评分矩阵进行奇异值分解的方法。将托攻击者聚类,通过奇异值分解的方法分解评分矩阵,寻找攻击路径,剔除攻击者。实例仿真计算结果表明,该方法能有效阻止托攻击者对目标项分数的提高/降低,提高了托攻击检测的效果。
To solve the problem of decrease in accuracy caused by shilling attack in collaborative filtering recommendation system effectively,several main attack behavior characteristics of the attacker were analyzed and a method of users-project score matrix decomposed by singular value decomposition(SVD)was proposed.Shilling attackers were clustered Score matrix was decomposed using singular value decomposition(SVD)method to find the attack path.And attackers were eliminated.Results of instance simulation show that the method can effectively prevent shilling attacker raising/lowering the score on the target project and improve the effect on detection of shilling attack.