目前个性化协同过滤推荐系统存在着严重的安全隐患,恶意用户通过向系统提供大量虚假的用户概貌使推荐结果产生严重偏离,降低了用户对系统推荐精度的信任,从而达到其攻击目的。因此,如何确保个性化协同推荐系统的安全性已成为亟待解决的问题。本文在对国内外研究现状综合分析的基础上,进一步对协同过滤推荐系统的安全问题进行了深入研究。首先,深入分析了攻击用户概貌的特征以及相应的攻击检测算法,针对现有攻击检测算法存在的一些问题,从攻击的目的性考虑,通过对攻击概貌中目标项目与填充项目之间存在的评分特征差异进行分析,提出了一种项目评分背离度的计算方法;利用项目评分背离度确定受攻击的目标项目,并在此基础上,提出了一种基于目标项目识别的用户概貌攻击检测算法,克服了现有算法的一些缺陷问题,提高了算法的检测精度。其次,从项目的角度进行考虑分析,对用户概貌攻击引起的项目评分分布特征的变化进行异常检测,针对现有异常检测算法存在的不足,通过引入时间特性,对每个项目自身的历史评分分布特征进行分析;在此基础上,通过计算每个项目的评分特征置信区间,然后用其对新时间段内项目的评分活动情况进行实时监测从而确定项目是否受到恶意用户的攻击。最后,对本文提出的算法进行了实验验证,与现有的攻击检测算法进行了对比分析,并且对进一步的研究方向进行了总结展望。