公开(公告)号：CN119377497A

公开(公告)日：2025-01-28

申请号：CN202411476650.3

申请日：2024-10-22

Applicant: 暨南大学

Inventor： 黄斐然 ,  丁思艺 ,  陈国良 ,  谢绍均 ,  周志博

IPC: G06F16/9536 ,  G06N3/047 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/0895 ,  G06N3/098

Abstract: 本发明公开了一种基于对比学习辅助推荐系统抵御托攻击的方法及系统，属于推荐系统安全领域，包括：使用交互数据建立交互矩阵，将目标用户的邻居节点作为正样本，非目标用户的邻居节点作为负样本，实现数据增广,建立对比学习模型、用户检测模型和抵御托攻击的推荐模型，通过将三个模型进行联合训练，训练完成后计算用户物品的交互分数，取分数为top20的交互物品形成用户推荐列表。本发明在推荐系统的基础上，结合对比学习和多层感知机，能够检测虚假用户，并利用置信值作为权重实现抵御托攻击的推荐系统方法，该方法解决了检测虚假用户正确率低和托攻击下推荐效果差的问题，有效提升了检测虚假用户准确率和推荐系统抵御托攻击能力。