[发明专利]一种基于信任的托攻击用户的检测方法及系统

摘要

本发明公开了一种基于信任的托攻击用户的检测方法及系统，包括用户评分数据集建立模块、信任用户数据集建立模块、对信任用户数据集进行托攻击用户检测模块、对没有添加信任信息的用户进行托攻击用户检测模块、数据推荐模块，根据用户在信任网络下的行为特征，提出了托攻击用户在信任网络下的统计量特征维度，包含维度信任集群等级TCL、信任项目等级TPL、信任相似度等级TSL、全局一致度等级GCL。针对信任用户数据集，有效检测了托攻击用户。同时，对于未添加信任信息的托攻击用户，通过全局一致度等级GCL的计算，也达到了有效的检测。本发明增加了推荐系统在托攻击下的抵御能力，提升了推荐系统的鲁棒性，使得推荐结果不会受到托攻击的影响。

主权项

1.一种基于信任的托攻击用户的检测方法，其特征在于，包括以下步骤：步骤1)，对所有用户的评分信息进行采集，建立用户评分数据集；步骤2)，对所有用户的信任信息进行采集，建立信任用户数据集；步骤3)，根据用户评分数据集对信任用户数据集进行托攻击用户检测；步骤31)，将用户分为托攻击用户集合attackUser和正常用户集合normalUser；步骤32)，在信任用户数据集中，计算每一个有信任关系用户的信任集群等级TCL、信任项目等级TPL、信任相似度等级TSL；信任集群等级TCL的计算公式如下：其中，TCL表示信任集群等级，T_A表示用户A信任的用户集合，表示信任T_A的用户集合；信任项目等级TPL的计算公式如下：其中，TPL表示信任项目等级，I_t表示用户t评价的项目集合，I_A表示用户A评价的项目集合，表示用户A评价的项目集合的数目，Number_max为评分最多项目的用户的评分项目总数，实际上对于进行归一化处理，表示用户A和信任用户A的用户集合共同评价项目数量的权重，ω表示评价项目数量的权重，与ω和为1。信任相似度等级TSL的计算公式如下：其中，TSL表示信任相似度等级；步骤33)，将TCL>α，TPL>β，TSL>γ的用户添加到托攻击用户集合attackUser中，α表示自定义TCL的阈值，β表示自定义TPL的阈值，γ表示自定义TSL的阈值，以上三个参数，均需要根据实际数据集合分布进行设置；步骤34)，计算托攻击用户集合attackUser所有用户的全局一致度等级GCL的平均值，记为全局一致度等级GCL的计算公式：其中，GCL表示全局一致度等级，I_A表示用户A评价的项目集合，r_A,i为用户A对于项目i的评分，为项目i所有评分的平均评分；通过计算托攻击用户集合attackUser中的平均全局一致性等级然后将用户的全局一致度等级GCL与平均全局一致性等级比较，如果比较值大于预设的阈值，则该用户为没有添加信任信息的托攻击用户；步骤4)，对没有添加信任信息的用户进行托攻击用户检测；步骤41)，计算正常用户集合normalUser中的每一个用户的信任相似度等级GCL，并将正常用户集合normalUser中的信任相似度等级GCL位于区间的用户添加到托攻击用户集合attackUser中，δ表示自定义GCL的阈值，需要根据实际数据集合分布进行设置；步骤42)，得到的托攻击用户集合attackUser中的用户为检测出的托攻击用户；步骤5)，最终过滤除所有的托攻击用户，得到正常用户的用户评分数据集和信任用户数据集，然后对正常用户的用户评分数据集和信任用户数据集进行推荐。