随着计算机的普及与互联网技术的提高,如何高效获取信息、利用信息逐渐成为一项新的挑战。推荐系统的出现有效地缓解了信息过载的现象,给用户提供了一种个性化的信息获取方式。随着推荐算法在生活各方面的应用变得越来越广泛,且推荐系统本身具有开放性,因此针对推荐系统的托攻击(Shilling Attack)问题变得越来越不可忽视。托攻击的发起者通过向推荐系统中大量注入虚假用户概貌来改变推荐系统的推荐排名,而这严重破坏了推荐系统的生态平衡,并可能因此造成大量的经济损失。因此,对托攻击进行研究意义重大,并已逐渐成为推荐系统研究领域的一个热点。现有的托攻击研究更加注重对用户-评分矩阵的研究。本文主要基于托攻击的时间序列对托攻击进行检测,并从用户时间序列特征和目标项目时间序列分析两个方面对托攻击进行研究。本文的主要工作包括:(1)对正常用户和虚假用户的时间序列进行分析,提出三种新的针对时间序列的用户概貌特征评分密度偏离度(Density Deviation from Mean Agreement,DDMA)、评分滞后度(Degree of Rating Lag,DRL)、平均相邻时间间隔(Average Adjacent Time Interval,AATI),并通过实验对三种特征的重要性进行分析,对比总结这三种特征在不同攻击类型下的重要性。(2)提出一种XG-SDA托攻击检测算法。该算法通过集成学习方法XGBoost,结合新提出的时间序列特征集(Time Series Features,TSF)对托攻击概貌进行检测,并通过与两种经典的托攻击检测算法进行对比,检验XG-SDA算法对托攻击的检测效果。(3)对托攻击中目标项目的时间序列进行分析,通过对异常时间区间的检测,得到托攻击的可疑用户集合。再结合用户DDMA特征,提出一种ATDD-SDA托攻击检测算法,并通过对比实验对算法的检测效果进行检验。