基于混合特征值的托攻击检测算法

摘要

传统的托攻击检测方法多采用基于评分值差异的算法,其在小规模情况下易造成误判率过高的问题.通过分析真实用户和攻击用户评分项目选择方式的差异,文中提出了一种基于混合特征值的托攻击检测算法.该算法在Degsim、MeanVar、WDA特征检测指标组成的特征模型基础上,加入了流行项目卡方估计值(Chi-square of popular item,CHIP)、新颖项目卡方估计值(Chi-square of novel item,CHIN)两个特征检测指标,构成一种新的特征模型.该特征模型在传统方法的基础上,提出对项目与流行项目、项目与新颖项目之间的关联程度的考量,依据特征属性选择K-means聚类与阈值判断相结合的分类方法,可有效区分攻击用户和正常用户.实验对比表明,该算法在小规模情况下可有效解决误判率高的问题,具有更好的检测准确度.