最初的时候,只是单纯的认为恶意评分的用户才是推荐系统中要主要检测出的,忽略了其实有些噪声用户,胡乱评分的用户也对推荐系统影响推荐准确度。 这段时间,自己没事瞎琢磨的,论文方向选择的是关于推荐系统中托攻击检测的研究,推荐系统方面也看过几篇论文,不过,对于“托”攻击检测则不是很多。“托攻击”顾名思义就是一些虚假的用户,类似生活中“托儿”。在日益激烈的电子商务网站的竞争中,推荐系统给网站带来了较大的利益,但是一些不法商家利用推荐系统算法的漏洞,采用批量注入一些虚假用户,这些用户的评分跟正常用户的评分相似,因而在计算用户相似度的时候,很容易进入用户的近邻圈中,由于虚假用户对目标项目采取评高分(“推攻击”)或者低分(“核攻击”),因为正常用户对目标项目的推荐评分将发生偏差,检测出这些虚假用户对推荐系统来讲很重要,保持良好的电子商务竞争环境。
检测手段也很多,从06年的KDD CUP论文到现在已经有好多论文提出方法来检测攻击。
从动机上来说,生产商为了使自己生产的商品能够畅销,总是希望推荐系统能够频繁推荐自己的商品,而减少或不推荐竞争对手的产品。某些不良生产商为了达到这个目的,不是想办法提高自己产品的质量,而是采取欺骗手法来提高推荐系统推荐自己产品的频率。
由于推荐系统是基于相似用户或相似商品来产生推荐列表的,同时它也是一个需要用户参与的开放系统,恶意用户可以把自己编造的用户概貌输入到推荐系统的概貌集中,那么在推荐的时候就很可能把这些编造用户当作相似用户,然后把编造用户的偏好当作目标用户的偏好 。
一个攻击概貌是个m维的向量,其中m是推荐系统的项目数。把一个概貌分成三个部分:装填项目部分、未评分项目部分和目标项目部分。未评分项目是指不填评分值的项目。设推荐系统的最高评分值是Rmax,最低评分值是Rmin,则目标项评分预定值Rm在推攻击时为最高分Rmax,而核攻击时为最低分Rmin。
未完待续-----
这里贴出一位博主写的简单基于用户近邻的协同过滤算法,测试了一下,可以更清楚的了解具体细节:
from operator import itemgetter, attrgetter
from math import sqrt
def load_data():
filename_user_movie = 'uccc.data'
filename_movieInfo = 'u.item'
user_movie = {}
for line in open(filename_user_movie):
(userId, itemId, rating, timestamp) = line.strip().split('\t')
user_movie.setdefault(userId,{})
user_movie[userId][itemId] = float(rating)
movies = {}
for line in open(filename_movieInfo):
(movieId, movieTitle) = line.split('|')[0:2]
movies[movieId] = movieTitle
return user_movie, movies
def average_rating(user):
average = 0
for u in user_movie[user].keys():
average += user_movie[user][u]
average = average * 1.0 / len(user_movie[user].keys())
return average
def calUserSim(user_movie):
# build inverse table for movie_user
movie_user = {}
for ukey in user_movie.keys():
for mkey in user_movie[ukey].keys():
if mkey not in movie_user:
movie_user[mkey] = []
movie_user[mkey].append(ukey)
# calculated co-rated movies between users
C = {}
for movie, users in movie_user.items():
for u in users:
C.setdefault(u,{})
for n in users:
if u == n:
continue
C[u].setdefault(n,[])
C[u][n].append(movie)
# calculate user similarity (perason correlation)
userSim = {}
for u in C.keys():
for n in C[u].keys():
userSim.setdefault(u,{})
userSim[u].setdefault(n,0)
average_u_rate = average_rating(u)
average_n_rate = average_rating(n)
part1 = 0
part2 = 0
part3 = 0
for m in C[u][n]:
part1 += (user_movie[u][m]-average_u_rate)*(user_movie[n][m]-average_n_rate)*1.0
part2 += pow(user_movie[u][m]-average_u_rate, 2)*1.0
part3 += pow(user_movie[n][m]-average_n_rate, 2)*1.0
part2 = sqrt(part2)
part3 = sqrt(part3)
if part2 == 0:
part2 = 0.001
if part3 == 0:
part3 = 0.001
userSim[u][n] = part1 / (part2 * part3)
return userSim
def getRecommendations(user, user_movie, movies, userSim, N):
pred = {}
interacted_items = user_movie[user].keys()
average_u_rate = average_rating(user)
sumUserSim = 0
for n, nuw in sorted(userSim[user].items(),key=itemgetter(1),reverse=True)[0:N]:
average_n_rate = average_rating(n)
for i, nrating in user_movie[n].items():
# filter movies user interacted before
if i in interacted_items:
continue
pred.setdefault(i,0)
pred[i] += nuw * (nrating - average_n_rate)
sumUserSim += nuw
for i, rating in pred.items():
pred[i] = average_u_rate + (pred[i]*1.0) / sumUserSim
# top-10 pred
pred = sorted(pred.items(), key=itemgetter(1), reverse=True)[0:20]
return pred
if __name__ == "__main__":
# load data
user_movie, movies = load_data()
# Calculate user similarity
userSim = calUserSim(user_movie)
# Recommend
pred = getRecommendations('1', user_movie, movies, userSim, 20)
# display recommend result (top-10 results)
for i, rating in pred:
print 'film: %s, rating: %s' % (movies[i], rating)
希望对攻击检测感兴趣的朋友可以联系我,大家一起学习嘛,呵呵,我也是菜鸟,虚心求教~Q:349721489