计算机研究与发展
計算機研究與髮展
계산궤연구여발전
JOURNAL OF COMPUTER RESEARCH AND DEVELOPMENT
2014年
4期
789-801
,共13页
协同推荐%用户概貌攻击%攻击检测%仿生模式识别%集成学习
協同推薦%用戶概貌攻擊%攻擊檢測%倣生模式識彆%集成學習
협동추천%용호개모공격%공격검측%방생모식식별%집성학습
collaborative recommendation%user profile attacks%attack detection%bionic pattern recognition%ensemble learning
针对有监督方法在检测用户概貌攻击时准确率不高的问题,通过引入仿生模式识别理论和集成学习技术提出一种集成检测方法,首先,通过计算被覆盖直线段与最近邻真实概貌的距离,提出一种自适应神经元超球半径计算算法,为每个神经元确定合适的超球半径;然后利用该超球半径对现有的一个3层神经网络进行重新设计,使其能够对攻击概貌样本进行更合理覆盖,以提高分类性能;最后,提出一种用户概貌攻击集成检测框架,通过组合多种攻击类型,利用提出的基训练集生成算法建立不同的基训练集,以训练新设计的神经网络生成基分类器,基于信息论得分(information theoretic score,ITS)算法提出一种选择性集成检测算法对基分类器进行筛选,并采用多数投票策略融合基分类器的输出结果.在MovieLens和Netflix两个不同规模的真实数据集上的实验结果表明,所提出的集成检测方法能够在保持较高召回率的条件下有效提高用户概貌攻击检测的准确率.
針對有鑑督方法在檢測用戶概貌攻擊時準確率不高的問題,通過引入倣生模式識彆理論和集成學習技術提齣一種集成檢測方法,首先,通過計算被覆蓋直線段與最近鄰真實概貌的距離,提齣一種自適應神經元超毬半徑計算算法,為每箇神經元確定閤適的超毬半徑;然後利用該超毬半徑對現有的一箇3層神經網絡進行重新設計,使其能夠對攻擊概貌樣本進行更閤理覆蓋,以提高分類性能;最後,提齣一種用戶概貌攻擊集成檢測框架,通過組閤多種攻擊類型,利用提齣的基訓練集生成算法建立不同的基訓練集,以訓練新設計的神經網絡生成基分類器,基于信息論得分(information theoretic score,ITS)算法提齣一種選擇性集成檢測算法對基分類器進行篩選,併採用多數投票策略融閤基分類器的輸齣結果.在MovieLens和Netflix兩箇不同規模的真實數據集上的實驗結果錶明,所提齣的集成檢測方法能夠在保持較高召迴率的條件下有效提高用戶概貌攻擊檢測的準確率.
침대유감독방법재검측용호개모공격시준학솔불고적문제,통과인입방생모식식별이론화집성학습기술제출일충집성검측방법,수선,통과계산피복개직선단여최근린진실개모적거리,제출일충자괄응신경원초구반경계산산법,위매개신경원학정합괄적초구반경;연후이용해초구반경대현유적일개3층신경망락진행중신설계,사기능구대공격개모양본진행경합리복개,이제고분류성능;최후,제출일충용호개모공격집성검측광가,통과조합다충공격류형,이용제출적기훈련집생성산법건립불동적기훈련집,이훈련신설계적신경망락생성기분류기,기우신식론득분(information theoretic score,ITS)산법제출일충선택성집성검측산법대기분류기진행사선,병채용다수투표책략융합기분류기적수출결과.재MovieLens화Netflix량개불동규모적진실수거집상적실험결과표명,소제출적집성검측방법능구재보지교고소회솔적조건하유효제고용호개모공격검측적준학솔.