买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜暨南大学申请的专利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获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119377497B 。

龙图腾网通过国家知识产权局官网在2025-06-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411476650.3，技术领域涉及：G06F16/9536；该发明授权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是由黄斐然;丁思艺;陈国良;谢绍均;周志博设计研发完成，并于2024-10-22向国家知识产权局提交的专利申请。

本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在说明书摘要公布了：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。

本发明授权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在权利要求书中公布了：1.一种基于对比学习辅助推荐系统抵御托攻击的方法，其特征在于，包括以下步骤：基于具有虚假用户的网络开源推荐系统数据集，建立用户物品交互矩阵，并将用户物品节点经过嵌入层生成用户特征向量；基于所述用户物品交互矩阵，通过正负样本采样进行数据增广，获取增广数据；基于带权重的点积和二元交叉熵，通过所述增广数据进行训练，构建对比学习模型；基于三层神经网络和焦点损失函数，通过所述用户特征向量进行模型训练，构建用户检测模型，获取用户置信值；将用户特征作为输入经过三层神经网络进行特征提取并得到分类分数：pu＝σeuW：其中，eu为用户特征向量，W为权重矩阵，σ表示激活函数，前两层为ReLu，最后一层为sigmod，pu表示用户u的用户置信值；基于带权重的三层图神经网络和贝叶斯个性化损失函数，通过所述用户物品交互矩阵获取正负样本对数据，与所述用户置信值一起作为输入数据进行模型训练，构建防御托攻击推荐模型；在构建防御托攻击推荐模型的过程中，将置信值作为卷积操作中的权重，其中，所述置信值包括：用户置信值和物品置信值；所述物品置信值通过所述用户置信值在交互矩阵上进行图卷积操作得到；将所述对比学习模型、所述用户检测模型和所述防御托攻击推荐模型进行联合训练，将每个用户与所有物品的特征向量进行点乘操作得到分数，生成用户的推荐列表。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人暨南大学，其通讯地址为：510632 广东省广州市天河区黄埔大道西601号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。