结合图卷积神经网络和集成方法的推荐系统恶意攻击检测.pdf

://

httwww．skx．com

pjj

:/

DOI１０．１１８９６skx．２３０７００００３

jj

结合图卷积神经网络和集成方法的推荐系统恶意攻击检测

,,,,,

刘慧１２纪科１２陈贞翔１２孙润元１２马坤１２邬俊３

济南大学信息科学与工程学院济南

１２５００２２

()

山东省网络环境智能计算技术重点实验室济南大学济南

２２５００２２

北京交通大学计算机与信息技术学院北京

３１０００４４

()

liuhui３７０２８５＠．com

qq

、、,.,

摘要推荐系统已被广泛应用于电子商务社交媒体信息分享等大多数互联网平台中有效解决了信息过载问题然而这

,、,

些平台面向所有互联网用户开放导致不法用户利用系统设计缺陷通过恶意干扰蓄意攻击等行为非法操纵评分数据进而影

,.

响推荐结果严重危害推荐服务的安全性现有的检测方法大多都是基于从评级数据中提取的人工构建特征进行的托攻击检

,,,,

测难以适应更复杂的共同访问注入攻击并且人工构建特征费时且区分能力不足同时攻击行为规模远远小于正常行为给传

.,

统检测方法带来了不平衡数据问题因此文中提出堆叠多层图卷积神经网络端到端学习用户和项目之间的多阶交互行为信

,,,

息得到用户嵌入和项目嵌入将其作为攻击检测特征以卷积神经网络作为基分类器实现深度行为特征提取结合集成方法检

.,,

测攻击在真实数据集上的实验结果表明与流行的推荐系统恶意攻击检测方法相比所提方法对共同访问注入攻击行为有较

好的检测效果并在一定程度上克服了不平衡数据的难题.

:;;;;;

关键词攻击检测共同访问注入攻击推荐系统图卷积神经网络卷积神经网络集成方法

中图分类号TP３９１