[發明專利]一種基于推薦系統的惡意注入攻擊檢測方法

在審

• 申請號: 202211074642.7
• 申請日: 2022-08-31
• 公開（公告）號: CN115422535A
• 公開（公告）日: 2022-12-02
• 發明（設計）人: 楊志海;孫欽東;劉雁孝
• 申請（專利權）人: 四川數字經濟產業發展研究院
• 主分類號: G06F21/55
• 分類號: G06F21/55;G06F21/56;G06K9/62
• 代理公司: 北京盛廣信合知識產權代理有限公司 16117
• 代理人: 張軍艷

1.一種基于推薦系統的惡意注入攻擊檢測方法，其特征在于，包括：

獲取用戶的評分數據和物品的原始協同訪問數據，基于所述評分數據得到用戶-物品二部圖，基于所述原始協同訪問數據得到協同訪問關聯圖；

分別對所述用戶-物品二部圖和所述協同訪問關聯圖進行分解，得到低維度映射矩陣；基于所述低維度映射矩陣分別計算用戶和物品之間的相似度，通過設定相似度經驗閾值，獲得密集行為關聯圖；

依據所述密集行為關聯圖，采用條件隨機場的多階勢特性對行為邊界進行平滑表示，并采用條件隨機場的標簽最大化后驗概率估計計算最優預測標簽值，識別惡意注入節點。

2.根據權利要求1所述的基于推薦系統的惡意注入攻擊檢測方法，其特征在于，得到所述用戶-物品二部圖，包括：

將所述用戶的評分數據D^r轉換成用戶-物品二部圖G＝(U,I,E,W)，其中U、I、E、W分別代表用戶節點集合、物品節點集合、邊集合和邊的權重集合；基于所述用戶-物品二部圖計算每個用戶的活躍度和物品的流行度，分別設定經驗的活躍度閾值和流行度閾值，并對干擾用戶和物品進行過濾，獲得第一用戶-物品二部圖G′；其中，所述用戶的活躍度包括用戶評價過物品的數量，所述物品的流行度為評價過所述物品的用戶數量。

3.根據權利要求1所述的基于推薦系統的惡意注入攻擊檢測方法，其特征在于，得到所述協同訪問關聯圖包括：

將所述物品的原始協同訪問數據轉換成物品-物品關聯圖G^v＝(I,E,W)，其中，I、E、^W分別代表物品節點集合、邊集合和邊的權重集合；基于所述物品-物品關聯圖計算每個物品節點的固有流行度和節點活躍度，分別設定經驗的節點流行度閾值和活躍度閾值，過濾干擾物品節點，獲得第一物品-物品關聯圖G′^v；其中所述固有流行度為評價過該物品的用戶數量，所述節點活躍度為基于關聯圖G^v的節點入度。

4.根據權利要求1所述的基于推薦系統的惡意注入攻擊檢測方法，其特征在于，得到所述低維度映射矩陣包括：

將用戶-物品二部圖G′和物品-物品關聯圖G′^v分別轉換成共生矩陣M和共生矩陣M^v，通過網絡嵌入技術分別對所述共生矩陣M和所述共生矩陣M^v進行分解，得到低維度映射矩陣R_d和低維度映射矩陣R_d′。

5.根據權利要求4所述的基于推薦系統的惡意注入攻擊檢測方法，其特征在于，對所述共生矩陣M和所述共生矩陣M^v進行分解包括：采用截斷的奇異值分解tSVD方法分別對所述共生矩陣M和所述共生矩陣M^v進行分解，其中，對所述共生矩陣M進行分解的方法如下式：

其中U_d和V_d代表n×d的正交矩陣，為V_d的轉置矩陣，表示嵌入網絡的輸出；

所述低維度映射矩陣R_d′也通過相同的步驟獲取。