Detecting Shilling Attacks in Recommender Systems Based on Non-random-missing Mechanism
Cong Li, Zhigang Lü · Acta Automatica Sinica · 2013
摘要: 协同过滤推荐系统极易受到托攻击的侵害. 开发托攻击探测技术已成为保障推荐系统可靠性与鲁棒性的关键. 本文以数据非随机缺失机制为依托,对导致评分缺失的潜在因素进行解析, 并在概率产生模型框架内将这些潜在因素与Dirichlet过程相融合, 提出了用于托攻击探测的缺失评分潜在因素分析(Latent factor analysis for missing ratings, LFAMR)模型. 实验表明,与现有探测技术相比, LFAMR具备更强的普适性和无监督性, 即使缺乏系统相关先验知识,仍可有效探测各种常见托攻击. 关键词: 协同过滤 / 托攻击 / 缺失数据 / Dirichlet过程 / 变分推断