一种基于卷积自动编码器的推荐系统攻击检测方法

作者：费艳; 缪骞云; 刘学军

来源：小型微型计算机系统, 2021, 42(05): 1088-1092.

• 推荐系统
• 卷积自动编码器
• 攻击检测
• 深度学习

协同过滤推荐已经成为解决互联网上信息过载的有效方法之一,但是,协同过滤推荐系统本身所具有的高度开放性,容易受到恶意用户的攻击,导致产生欺诈性的推荐结果,因此,有效的攻击检测对于提高推荐系统的可用性具有重要的意义.特征工程的质量很大程度上决定了攻击检测性能,而目前大多数攻击检测方法都是基于人工方式来提取用户特征,面对不同的攻击模型,构建通用的、合适的特征指标往往是非常困难的,因此,本文提出了一种基于卷积自动编码器的推荐系统攻击检测方法,将自动特征提取和人工设计特征相结合来构造攻击检测特征,将自动编码器与卷积神经网络相结合,以卷积神经网络的卷积操作完成自动编码器的编码和解码功能,实现特征自动提取,采用深度学习方法进行攻击检测.实验验证了本文提出方法的有效性.

• 单位
  国网电力科学研究院; 南京工业大学