推荐系统中一种高效的攻击块挖掘算法

摘要

针对现有在线推荐系统中协同过滤算法无法有效对抗文件注入攻击的问题,考虑目标攻击者和攻击项,定义攻击块的概念.结合攻击块中的块面积率(BAR)和块打分率(BRR)信息,提出一种高效的攻击块挖掘(MAB)算法,检测评分事务数据集上的攻击行为,并通过基于BAR与BRR上界的剪枝策略,缩小攻击块的搜索空间及降低搜索耗时.在2个真实数据集上的实验结果表明,在不同攻击场景下MAB算法均能准确挖掘出攻击块,并且具有较高的挖掘效率.