《電子商務推薦系統健壯性研究》是依託復旦大學，由張謐擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：電子商務推薦系統健壯性研究
- 依託單位：復旦大學
- 項目類別：青年科學基金項目
- 項目負責人：張謐
項目摘要,結題摘要,
項目摘要
隨著電子商務的蓬勃發展，個性化推薦系統在網路商務中成為一個日益重要的服務工具。這種系統用於監控線上用戶的購物喜好並使用這些信息來提供符合每個用戶特殊需求的商品或服務。近期的研究表明這樣的系統有被濫用的嫌疑，推薦系統所基於的評分數據經常被一些惡意用戶實施攻擊、故意篡改以操縱系統輸出。因此，如何保證系統的健壯性以抵禦惡意數據的入侵已成為個性化推薦的主要挑戰之一。本項目將從幾個方面對此問題進行調查，並使用博弈論、圖論以及其它一些工具來考察攻擊的效果、分析資料庫的結構、識別攻擊檔案等，以設計有效可靠的偵測和對抗攻擊的算法，提供一個可抵禦噪聲或惡意數據的具有高健壯性的推薦系統。
結題摘要
本項目針對推薦系統的健壯性問題提出了較為完善的解決方案，對於線上系統及移動終端中推薦的安全與隱私保護問題作了深入的研究，取得了一系列研究成果，包括4篇國際頂級會議論文（3篇CCF一區，1篇CCF三區，EI索引）與1篇國際權威期刊論文（CCF一區，EI索引）及2項專利申請，多次召開國內會議，參加國際會議並作大會報告，並培養了2位博士（已畢業）1位碩士（已畢業）與5位在讀碩士。在此項目中我們從各個角度出發尋求推薦系統的健壯性與安全性問題的解決方案，並積極將研究成果與實際套用相結合。具體的研究包括如下幾個方面： 1.冷啟動或稀疏問題使得攻擊者有機可乘，使用較小的代價便可成功操縱推薦系統的輸出結果。該問題與健壯性問題息息相關，我們使用一個基於上下文信息的半監督協同訓練算法有效地解決了冷啟動問題，該算法通過引入系統中大量未標記的樣例緩解了許多用戶/物品評分過少的問題，對於推薦系統的健壯性提供了很好的支持。 2.“長尾”物品的推薦成為推薦系統亟需解決的一個難題，在推薦系統中，長尾上的物品由於被購買次數很少，極易被惡意用戶操縱。針對這一問題，我們提出了一個雙重排序的算法，該算法維持了系統整體的精確度，並在此基礎上成功的減少了系統在熱門商品上的集中度，為用戶獲取了長尾上的物品，進而維護了推薦系統的健壯性。 3.移動設備上通常會攜帶有大量的用戶個人信息，招致惡意軟體開發者通過在移動套用中嵌入惡意代碼的方式來竊取用戶隱私。我們提出了一種全新的分析框架AppIntent，利用安卓自身特有的事件驅動模型在不犧牲代碼覆蓋度的情況下減小了符號化執行的搜尋路徑。實驗中採用了750款惡意軟體及1000款來自谷歌套用商城的流行套用進行評估，結果顯示其能夠有效地從大量的隱私傳輸行為當中找出真正屬於隱私泄露的惡意行為，大大提高了系統的健壯性。 4.近年來大量的移動套用中開始出現濫用系統敏感資源的惡意行為。針對此問題我們提出了一種動態分析平台VetDroid，通過全新的許可權使用行為審查角度來重構移動終端的套用中敏感資源的使用行為。對真實存在的惡意軟體進行分析顯示該平台能夠清晰地構建出輔助惡意軟體分析的細粒度惡意行為，提高系統的健壯性。 5.推動技術產業化，申請了兩項相關專利，分別名為“一種針對移動平台的低干擾的即時許可權授予方法”與“基於靜態分析的Android套用日誌中信息泄露隱患的檢測方法”。
