安全推荐系统中基于信任的检测模型

• 作者: 张强 李明禄 翁楚良 骆源
• 来源期刊: 科技与创新
• 关键词: 推荐系统 协同过滤 用户概貌注入攻击 信任
• 年，卷（期）: 2010,（3）
• 所属期刊栏目: 信息安全
• 页码范围: 68-70,63
• 分类号: TP393.08
• 语种: 中文
• DOI: 10.3969/j.issn.2095-6835.2010.03.029

摘要

在网格环境中,推荐系统通过提供高品质的个性化推荐,帮助网格用户选择更好的服务.另外,推荐系统也应用于虚拟机管理平台来评估虚拟机的性能和可靠性.然而,推荐结果对用户偏好信息的敏感性使得推荐系统易受到人为攻击(用户概貌注入攻击或托攻击).本文中,我们提出并评估了一种新的基于信任的安全检测算法以保护推荐系统抵御用户概貌注入攻击.并且,我们分别在用户级和项目级上讨论了信任检测与RDMA检测的结合.最后,我们通过试验表明这些新的安全检测机制可以取得更好的检测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张强	上海交通大学计算机科学与工程系	46	313	10.0	16.0
2	李明禄	上海交通大学计算机科学与工程系	95	847	15.0	25.0
3	翁楚良	上海交通大学计算机科学与工程系	18	220	7.0	14.0
4	骆源	上海交通大学计算机科学与工程系	7	18	3.0	4.0