论文部分内容阅读
为了躲避现有的托攻击检测,攻击者利用混淆技术降低攻击概貌和普通概貌之间的区别,使之成为更多用户的近邻进而影响推荐系统的预测评分。对物品按属性划分,在混淆技术的基础上,给出噪音系数、评分偏移函数和目标偏移函数,提出混淆流行交叉托攻击模型。设计攻击概貌自动产生器注入系统数据库,同最流行项中添加平均项构造的混淆托攻击对比。实验结果表明,该托攻击模型对推荐系统的危害性更大,应加强防范。