基于时间序列动态划分的托攻击检测关键技术分析-analysis of key technologies of supporting attack detection based on dynamic division of time series.docxVIP

基于时间序列动态划分的托攻击检测关键技术分析-analysis of key technologies of supporting attack detection based on dynamic division of time series.docx

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于时间序列动态划分的托攻击检测关键技术分析-analysis of key technologies of supporting attack detection based on dynamic division of time series

重庆大学硕士学位论文 英文摘要  PAGE 5 distribution and shilling attack users detection method. By comparing the similarity of the ratings distribution in a certain time interval and the overall rating distribution without itself, the time intervals digressing so much should also be figured out. On this basis, we detect users who rated in the abnormal intervals by using one-class classifier, finally obtain shilling attack group. The chapters of experimental data show that time series dynamic partitioning method based on important point.and item ratings abnormal time intervals detection based on chi-square distribution and shilling attack users detection method can improve the scalability and precision of shilling attack detection. Keywords: E-commerce; Collaborative filtering; Shilling attack detection; Time intervals 重庆大学硕士学位论文 目 录 目 录 中文摘要I 英文摘要 II 1 绪 论 1 1.1 研究背景 1 1.2 研究意义 3 1.3 国内外研究现状 3 1.4 研究内容 4 1.5 数据集介绍 5 1.6 论文结构 6 2 协同过滤与托攻击关键技术 8 2.1 协同过滤关键技术 8 2.2 推荐系统中的经典托攻击模型 10 2.3 托攻击危害性分析及实例 12 2.4 本章小结 15 3 项目类型及时间序列动态划分方法研究 16 3.1 推荐系统中项目类型的划分方法 16 3.1.1 推荐系统中项目类型的界定 16 3.1.2 推荐系统中项目类型的划分算法 19 3.2 推荐系统中时间序列动态划分方法 20 3.2.1 时间序列分段线性表示方法 20 3.2.2 基于重要点的项目评分时间序列动态划分 21 3.3 实验结果及分析 26 3.3.1 实验结果 27 3.3.2 实验分析 27 3.4 本章小结 28 4 项目评分时间序列异常区间检测方法研究 29 4.1 项目评分相对类分布 29 4.2 时间区间相似性度量方法 30 4.2.1 基于距离的时间区间相似性度量方法 30 4.2.2 基于向量的时间区间相似性度量方法 31 4.2.3 基于卡方分布的时间区间相似性度量方法 31 4.3 实验结果及分析 32 4.3.1 实验结果 32 4.3.2 实验分析 36 4.4 本章小结 37 5 用户行为特征分析及托攻击检测方法研究 38 5.1 推荐系统中面向时间的用户行为特征分析 38 5.2 基于单类分类器的托攻击检测方法 39 5.2.1 基于密度的单类分类器 39 5.2.2 基于聚类的单类分类器 41 5.2.3 基于 SVM 的单类分类器 42 5.3 实验结果及分析 44 5.3.1 实验结果 44 5.3.2 实验分析 45 5.4 本章小结 45 6 基于时间序列动态划分的托攻击检测应用 46 6.1 项目评分时间序列划分模块 47 6.1.1 用户行为特征元数据预处理 48 6.1.2 项目评分时间序列划分方法选择 48 6.2 时间区间异常检测模块 49 6.2.1 时间区间的相似性度量方法选择 49 6.2.2 时间区间的相似性度量阈值 49 6.3 托攻击用户检测模块 49 6.4 本章小结 50 7 总结与展望 51 7.1 工作总结 51 7.2 未来展望 52 致 谢 53 参考文献 54 附 录 58 A. 作者在??读硕士学位期间发表的论文目录 58 B. 作者在攻读硕士学位期间参与的科研项目 58 重庆大学硕士学位论文 1 绪 论  PAGE

您可能关注的文档

文档评论(0)

peili2018 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档