[发明专利]恶意用户检测方法及装置

权利要求书

1.一种恶意用户检测方法，其特征在于，所述方法包括：

将各恶意用户注入到推荐系统中，生成正例数据集合，所述正例数据集 合中的每个正例数据包括一组行为特征，所述一组行为特征构成一组向量；

对多组所述向量进行离散化处理；

根据所述离散化处理的结果，从所述推荐系统中的无标记用户中获取可靠 反例用户，生成反例数据集合；

将所述正例数据集合和所述反例数据集合构成标记数据集，将所述无标记 用户中获取反例用户后的剩余用户构成无标记数据集，根据所述标记数据集 和所述无标记数据集，获取推荐系统中的恶意用户。

2.根据权利要求1所述的方法，其特征在于，所述恶意用户具体包括： 随机注入、平均注入、流行随机注入、流行平均注入、混合随机流行注入、 混合平均流行注入。

3.根据权利要求1所述的方法，其特征在于，所述一组行为特征具体包 括：熵、与近邻的平均相似度、长度变化、用户评过分项目与其平均值之间 的平均偏差、用户评最高分的项目集合与其他评分项目集合的偏差、用户模 型评过分项目与其平均值之间的二阶矩、用户模型对目标项目的关注度、流 行排序、所有用户的平均距离、分类熵。

4.根据权利要求2所述的方法，其特征在于，利用公式 PopRanki=ΣIj∈Ri|R·j||Ri·|]]>计算所述流行排序；

其中，PopRank为流行排序，I_j为所有为商品j打分的用户集合，R_i. 为用户u_i所有评过分的商品集合，|R_.j|为对项目I_j打过分的所有用户的个 数，|R_i.|为用户u_i所有打过分商品的个数。

5.根据权利要求2所述的方法，其特征在于，利用计算所述所有用户的平均距离；

其中，DistAvg为与所有用户的平均距离，N为所有用户个数，PCC_ij为用户u_i和用户u_j的皮尔逊相关系数。

6.根据权利要求2所述的方法，其特征在于，利用计算所述分类熵；

其中，CatEnt为分类熵，S_ig为用户u_i所评分商品中属于类别g的个数， 1≤g≤G，G为商品类别总个数，S为用户u_i所评商品的总个数。