一种基于卷积自动编码器的推荐系统攻击检测方法
【摘要】 协同过滤推荐已经成为解决互联网上信息过载的有效方法之一，但是，协同过滤推荐系统本身所具有的高度开放性，容易受到恶意用户的攻击，导致产生欺诈性的推荐结果，因此，有效的攻击检测对于提高推荐系统的可用性具有重要的意义.特征工程的质量很大程度上决定了攻击检测性能，而目前大多数攻击检测方法都是基于人工方式来提取用户特征，面对不同的攻击模型，构建通用的、合适的特征指标往往是非常困难的，因此，本文提出了一种基于卷积自动编码器的推荐系统攻击检测方法，将自动特征提取和人工设计特征相结合来构造攻击检测特征，将自动编码器与卷积神经网络相结合，以卷积神经网络的卷积操作完成自动编码器的编码和解码功能，实现特征自动提取，采用深度学习方法进行攻击检测.实验验证了本文提出方法的有效性.关键词:推荐系统;卷积自动编码器;攻击检测;深度学习
