Page 352 - 《软件学报》2026年第6期

软件学报 ISSN 1000-9825, CODEN RUXUEW E-mail: jos@iscas.ac.cn
2026,37(6):2671−2690 [doi: 10.13328/j.cnki.jos.007565] [CSTR: 32375.14.jos.007565] http://www.jos.org.cn
©中国科学院软件研究所版权所有. Tel: +86-10-62562563

*
可信数据增强的 QoS 感知云 API 推荐系统投毒攻击持续防御

陈 真 1,3 , 范 爽 1 , 余建强 1 , 徐悦甡 2 , 檀泽宇 1 , 尤殿龙 1 , 申利民 1

1
(燕山大学 信息科学与工程学院, 河北 秦皇岛 066004)
2
(西安电子科技大学 计算机科学与技术学院, 陕西 西安 710071)
3
(河北省计算机虚拟技术与系统集成重点实验室 (燕山大学), 河北 秦皇岛 066004)
通信作者: 陈真, E-mail: zhenchen@ysu.edu.cn

摘 要: 服务质量 (quality of service, QoS) 感知云 API 推荐系统在解决云 API 过载问题、差异化云 API 性能和实
现高质量云 API 选择中具有重要作用. 但由于网络环境的开放性和云 API 的货币属性, 推荐系统易受到投毒攻击,
从而导致推荐结果偏离公平性和可信性. 现有防御方法主要采用“检测防御”策略, 即在模型训练前通过检测算法
滤除恶意用户来缓解攻击影响, 但受限于检测算法性能, 不可避免地会出现无法将恶意用户全部滤除的情形. 为此,
从“以攻学防”的视角提出一种基于可信数据增强的 QoS 感知云 API 推荐系统投毒攻击持续防御方法. 首先构建基
于可信数据增强的投毒攻击防御框架, 通过生成高质量可信用户数据并参与模型训练来增强推荐系统的鲁棒性.
其次, 设计基于扩散模型的可信用户生成算法. 采用迭代去噪的方式学习真实云 API 的 QoS 数据分布, 生成高质
量的可信用户向量, 消解投毒攻击数据对训练模型的影响. 最后, 基于真实云 API 的 QoS 数据集进行大量实验, 利
用 3 类 11 种推荐算法全面评估所提防御方法的有效性和普适性. 实验结果表明, 所提出的基于可信数据增强的投
毒攻击持续防御框架是有效的, 生成的可信用户可显著提高云 API 推荐系统的鲁棒性.
关键词: 推荐系统; 云 API; 投毒攻击; 持续防御; 数据增强; 扩散模型
中图法分类号: TP393

中文引用格式: 陈真, 范爽, 余建强, 徐悦甡, 檀泽宇, 尤殿龙, 申利民. 可信数据增强的QoS感知云API推荐系统投毒攻击持续防御.
软件学报, 2026, 37(6): 2671–2690. http://www.jos.org.cn/1000-9825/7565.htm
英文引用格式: Chen Z, Fan S, Yu JQ, Xu YS, Tan ZY, You DL, Shen LM. Continuous Defense Against Poisoning Attack with
Trusted Data Augmentation for QoS-aware Cloud API Recommendation System. Ruan Jian Xue Bao/Journal of Software, 2026, 37(6):
2671–2690 (in Chinese). http://www.jos.org.cn/1000-9825/7565.htm

Continuous Defense Against Poisoning Attack with Trusted Data Augmentation for QoS-aware
Cloud API Recommendation System

1
1,3
2
1
1
1
CHEN Zhen , FAN Shuang , YU Jian-Qiang , XU Yue-Shen , TAN Ze-Yu , YOU Dian-Long , SHEN Li-Min 1
1
(School of Information Science and Engineering, Yanshan University, Qinhuangdao 066004, China)
2
(School of Computer Science and Technology, Xidian University, Xi’an 710071, China)
3
(Key Laboratory for Computer Virtual Technology and System Integration of Hebei Province (Yanshan University), Qinhuangdao 066004,
China)
Abstract: Quality of service (QoS)-aware cloud API recommendation systems play an important role in solving cloud API overload
problems, differentiating cloud API performance, and achieving high-quality cloud API selection. However, due to the openness of the
network environment and the monetary nature of cloud APIs, recommendation systems are susceptible to poisoning attacks, which causes
the recommendation results to deviate from fairness and credibility. Existing defense methods against poisoning attacks mainly adopt the

* 基金项目: 国家自然科学基金 (62102348, 62276226); 中央引导地方科技发展资金 (236Z7725G, 236Z0103G); 河北省自然科学基金
(F2022203012); 河北省创新能力提升计划 (22567626H)
收稿时间: 2024-11-14; 修改时间: 2025-02-02, 2025-05-06, 2025-10-05; 采用时间: 2025-10-29; jos 在线出版时间: 2026-01-26
CNKI 网络首发时间: 2026-01-27