1.一种推荐系统攻击检测样本数据生成方法,其特征在于,所述方法包括:获取推荐系统的数据集中真实用户评分矩阵,所述真实用户评分矩阵包括真实的评分用户标识及评分的项目;
根据所述数据集中真实用户信息,通过基本信息生成器,生成虚假用户信息;
计算所述真实用户信息与所述虚假用户信息的相似度,获取预设相似度排名前位的真实用户信息的评分矩阵,所述相似度排名是根据所述相似度由大到小排名的;
根据所述预设相似度排名前位的真实用户信息的评分矩阵,通过偏好生成整合器,获取虚假用户评分矩阵;
根据所述虚假用户评分矩阵,通过分布学习器,获取与所述真实用户评分矩阵对应的虚假用户评分矩阵;
将所述虚假用户评分矩阵和所述真实用户评分矩阵混合,得到混合的用户评分矩阵;
根据混合的用户评分矩阵,通过模拟推荐系统的攻击性鉴别器对多个推荐项目进行仿真攻击,得到攻击损失,所述攻击损失表征所述混合的用户评分矩阵和所述真实用户评分矩阵攻击结果的差异;
基于所述攻击损失以及所述混合的用户评分矩阵,生成攻击检测样本。
2.根据权利要求1所述的方法,其特征在于,所述根据混合的用户评分矩阵,通过模拟推荐系统的攻击性鉴别器对多个推荐项目进行仿真攻击,得到攻击损失包括:根据混合的用户评分矩阵,通过模拟推荐系统的攻击性鉴别器对多个推荐项目进行同步仿真攻击和分步仿真攻击,得到攻击损失。
3.根据权利要求1所述的方法,其特征在于,所述根据所述预设相似度排名前位的真实用户信息的评分矩阵,通过所述偏好生成整合器,获取虚假用户评分矩阵包括:通过所述偏好生成整合器的偏好生成器对所述预设相似度排名前位的真实用户信息的评分矩阵进行降维;
根据降维后预设相似度排名前位的真实用户信息的评分矩阵及所述相似度,获取虚假用户评分矩阵;
将虚假用户评分矩阵的维度提高至与真实用户评分矩阵相同的维度。
4.根据权利要求1所述的方法,其特征在于,所述通过模拟推荐系统的攻击性鉴别器对多个推荐项目进行仿真攻击包括:通过模拟推荐系统的攻击性鉴别器对多个推荐项目同时进行仿真攻击,获取所有推荐项目的攻击损失;
所述基于所述攻击损失以及所述混合的用户评分矩阵,生成攻击检测样本包括:基于所述攻击损失,判定所述推荐项目的推荐排名是否在预设推荐排名范围中;
若是,则基于所述混合的用户评分矩阵,生成攻击检测样本;
若否,则返回所述生成器继续训练生成所述虚假用户评分矩阵。
5.根据权利要求1所述的方法,其特征在于,所述通过模拟推荐系统的攻击性鉴别器对多个推荐项目进行仿真攻击包括:通过模拟推荐系统的攻击性鉴别器对多个推荐项目分步进行仿真攻击,获取每个推荐项目的攻击损失;
所述基于所述攻击损失以及所述混合的用户评分矩阵,生成攻击检测样本包括:基于所述攻击损失,判定所述推荐项目的推荐排名是否在预设推荐排名范围中;
若是,则基于所述混合的用户评分矩阵,生成攻击检测样本;
若否,则返回所述生成器继续训练生成所述虚假用户评分矩阵。
6.一种推荐系统攻击检测样本数据生成装置,其特征在于,所述装置包括:数据集获取模块,用于获取推荐系统的数据集中真实用户评分矩阵,所述真实用户评分矩阵包括真实的评分用户标识及评分的项目;
虚假用户评分矩阵生成模块,用于根据所述数据集中真实用户信息,通过基本信息生成器,生成虚假用户信息;计算所述真实用户信息与所述虚假用户信息的相似度,获取预设相似度排名前位的真实用户信息的评分矩阵,所述相似度排名是根据所述相似度由大到小排名的;根据所述预设相似度排名前位的真实用户信息的评分矩阵,通过偏好生成整合器,获取虚假用户评分矩阵;根据所述虚假用户评分矩阵,通过分布学习器,获取与所述真实用户评分矩阵对应的虚假用户评分矩阵;
混合的用户评分矩阵获取模块,用于将所述虚假用户评分矩阵和所述真实用户评分矩阵混合,得到混合的用户评分矩阵;
攻击损失获取模块,用于根据混合的用户评分矩阵,通过模拟推荐系统的攻击性鉴别器对多个推荐项目进行仿真攻击,得到攻击损失,所述攻击损失表征所述混合的用户评分矩阵和所述真实用户评分矩阵攻击结果的差异;
攻击检测样本生成模块,用于基于所述攻击损失以及所述混合的用户评分矩阵,生成攻击检测样本。
7.根据权利要求6所述的装置,其特征在于,所述攻击损失获取模块还用于:根据混合的用户评分矩阵,通过模拟推荐系统的攻击性鉴别器对多个推荐项目进行同步仿真攻击和分步仿真攻击,得到攻击损失。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。