面向服务质量感知云API推荐系统的数据投毒攻击检测方法

TP311; 针对现有研究通常假设云API推荐系统的服务质量数据是可靠的,忽略了开放网络环境中恶意用户对云API推荐系统的数据投毒攻击的问题,提出了一种基于多特征融合的数据投毒攻击检测方法.首先,依据设计的相似性度量函数构建用户连通网络图,并利用 Node2vec 捕获用户邻域特征;其次,采用稀疏自编码器挖掘用户服务质量深度特征,并构建基于服务质量数据加权平均偏差的用户解释特征.进一步,融合用户邻域特征、服务质量深度特征和解释特征建立基于支持向量机的虚假用户检测模型,并使用网格搜索和交替迭代优化策略学习模型参数,继而实现虚假用户检测.最后,通过多组实验验证了所提方法的有效性和优越性,实现了服务...

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 44; no. 8; pp. 155 - 167
Main Authors 陈真, 乞文超, 鲍泰宇, 申利民
Format Journal Article
LanguageChinese
Published 燕山大学信息科学与工程学院,河北 秦皇岛 066004 2023
燕山大学河北省计算机虚拟技术与系统集成重点实验室,河北 秦皇岛 066004%燕山大学信息科学与工程学院,河北 秦皇岛 066004
Subjects
recommender system
服务质量
推荐系统
数据投毒
attack detection
quality of service
云API
攻击检测
cloud API
data poisoning
Online AccessGet full text
ISSN1000-436X
DOI10.11959/j.issn.1000-436x.2023161

Cover

More Information
Summary:TP311; 针对现有研究通常假设云API推荐系统的服务质量数据是可靠的,忽略了开放网络环境中恶意用户对云API推荐系统的数据投毒攻击的问题,提出了一种基于多特征融合的数据投毒攻击检测方法.首先,依据设计的相似性度量函数构建用户连通网络图,并利用 Node2vec 捕获用户邻域特征;其次,采用稀疏自编码器挖掘用户服务质量深度特征,并构建基于服务质量数据加权平均偏差的用户解释特征.进一步,融合用户邻域特征、服务质量深度特征和解释特征建立基于支持向量机的虚假用户检测模型,并使用网格搜索和交替迭代优化策略学习模型参数,继而实现虚假用户检测.最后,通过多组实验验证了所提方法的有效性和优越性,实现了服务质量感知云API推荐系统在数据端的投毒攻击防御.
ISSN:1000-436X
DOI:10.11959/j.issn.1000-436x.2023161