| 专利号 | 2023103574492 | 申请日 | 2023-03-31 | 专利名称 | 基于深度学习的推荐系统恶意攻击检测方法及系统 |
| 授权日 | 2024-04-05 | 专利权人 | 济南大学 | 发明人 | 纪科;刘慧;杨波;陈贞翔;马坤;孙润元;周劲 |
| 主分类号 | G06F21/55 | 关键词 | 应用领域 | ||
| 摘要 | 本发明公开的基于深度学习的推荐系统恶意攻击检测方法及系统，包括：获取目标点击行为对应的用户编号、商品编号、用户特征和商品特征；根据用户编号、商品编号和基于GCN的嵌入表示模型，获得用户嵌入和商品嵌入；根据用户嵌入、商品嵌入、用户特征、商品特征和训练好的恶意攻击识别分类器，获得目标点击行为的识别结果，其中，恶意攻击识别分类器以用户嵌入、商品嵌入、用户特征和商品特征为输入，以目标点击行为的识别结果为输出，通过集成学习构建获得。在提高目标点击行为识别准确率的基础上，能够有效解决不平衡分类问题。 | ||||
| 创新点 | |||||
| 技术分类 | 标 签 | 战兴产业 | 新一代信息技术 下一代信息网络产业 | ||
| 运营方式 | 合作方式 | ||||
| 联系人 | 联系电话 | 电子邮箱 | |||
| 详细说明 | |||||
