摘要

社会感知网络(SAN)范式中最基本的任务之一是探索用户的属性和行为,这有助于设计更合适、更高效的协议。特别是,通过挖掘用户行为来检测先令攻击者是许多社会场景中经常讨论的话题,例如基于协同过滤的推荐系统。由于协同过滤的性能完全基于用户提供的评级,他们容易受到先令攻击,这些攻击会将有偏见的配置文件注入评级数据库以改变系统。当前的先令攻击检测方法通过人工设计的功能检测垃圾邮件用户,这些功能既不强大也不够有效。本文阐述了一种新的基于卷积神经网络的方法CNN-SAD,该方法应用转换后的网络结构从用户评级档案中挖掘深层特征。由于所实现的深层特征比人工设计的特征更精确地阐述了用户的评级,因此CNN-SAD可以更有效地检测先令攻击。实验结果表明,该方法能够准确检测绝大多数模糊攻击,性能优于其他先进算法,有助于SAN的应用和安全。

本文根据牛津大学出版社标准期刊出版模式的条款出版和发行(https://academy.oup.com/journals/pages/about_us/legal/notices)
您当前没有访问此文章的权限。