概貌属性DegSim’成果

RD-TIA算法对随机攻击模型和均值攻击模型的检测效率较高，但是在检测段攻击和流行攻击模型时，由于随着段攻击和流行攻击模型被选择项目IS发生变化，使用RDMA和DegSim概貌属性值很难将真实概貌和托攻击概貌分开。

图4.4是在MovieLens 100K数据集中，注入攻击规模为3％，填充规模为5％的托攻击概貌时，概貌属性DegSim值随段攻击概貌中被选择项目的个数变化时的分布情况。从图4.4中看出，当段攻击概貌中被选择项目的个数改变时，DegSim的值很不稳定，使用RD-TIA算法不能有效地检测段攻击模型。针对RD-TIA算法不能检测段攻击模型和流行攻击模型的情况，本书提出了一种基于概貌属性DegSim的新的概貌属性DegSim’。

图4.4　段攻击模型下选择项目个数变化时DegSim值的分布

DegSim’是在DegSim的基础上修改而来的。DegSim在检测随机攻击模型和均值攻击模型时有效，但是在检测段攻击模型时，由于段攻击模型攻击概貌包含选择项目集合，选择项目个数的不同使得攻击概貌的DegSim值随填充评分个数的变化而改变，使用原有的DegSim属性值已经不能有效地将攻击概貌和真实概貌分离。本书设计了一种基于DegSim的新的概貌属性。考虑到所有评分时，攻击概貌和真实概貌的DegSim值可能相差不大；而DegSim’则计算了所有评分域，因此只要有一个评分偏离，DegSim’属性值将变大，从而偏离正常值。DegSim’值越大，其成为攻击概貌的可能性越大，DegSim’由公式（2.10）计算。(https://www.xing528.com)

图4.5　段攻击模型下选择项目个数对概貌属性DegSim’的影响

图4.5是在MovieLens100K数据集中，注入攻击规模为3％，填充规模为5％的托攻击概貌时，概貌属性DegSim’值随段攻击概貌中选择项目个数变化时的分布情况。从图4.5中可以看出，当段攻击概貌中被选择项目的个数改变时，DegSim’的值较稳定，托攻击概貌的DegSim’的值大于一般真实概貌的DegSim’值。DegSim’概貌属性解决了原来DegSim属性随段攻击和流行攻击概貌中被选择项目的个数变化不稳定的问题。