随着电子商务蓬勃发展,电子商务推荐系统在解决信息超载方面的作用逐渐被大家接受和认可。推荐系统功能的实现依赖于外界用户信息,为干扰系统正常运作的推荐攻击者提供了理论可能性。在现实电子商务环境中,商品生产者希望推荐系统能更多地推荐产品给用户,增加商品销量和市场占有率,为推荐攻击者提供了现实利益可能性。所以提高推荐攻击检测能力有助于保证推荐系统的准确性、客观性和公正性。目前电子商务推荐系统攻击检测研究集中于商品项目评价值,用户评价项目数,项目被评价次数等等。推荐攻击侵入形成,必定涉及攻击用户各方面数据,所以推荐攻击检测不应仅限于用户评价行为结果——用户的评价值与评价项目,还应体现在用户评价行为其他属性中。在用户多输入数与项目高填充量的推荐攻击下检测存在不足。本文据此从用户行为评价时间属性——评价间隔时间入手,提出一种基于时间SFM因子的推荐攻击检测方法。通过对用户评价间隔时间非正常值剥离,得到用户评价时间相对全距,组成整体用户评价时间相对全距序列。用户依靠在序列位置中左右临近用户的评价间隔时间形成间隔时间基准值,利用用户自身评价间隔时间与对应基准值之间相互关系,分别从群体泛化角度的Span属性(评价间隔时间均值与对应基准值的偏离度)、单体定性角度Frequency属性(正常评价间隔时间次数与间隔时间大于基准值次数的对比度)和单体定量角度Mount属性(大于对应基准值的正常评价间隔时间均值与小于对应基准值的间隔时间均值差异度)分析,构成时间SFM因子,分析评价时间间隔状态,丰富检测因素。仿真实验结果表明,时间SFM因子可以作为推荐攻击辅助检测因素,基于时间SFM因子的推荐攻击检测方法能更有效地阻止推荐攻击目标项进入用户TopN推荐列表,保证系统服务质量。