当今社交媒体活跃在人们生活的各个角落,将用户社交关系结合传统推荐方法进行社会化推荐的方向成为新的研究热点。社会化推荐系统融合社交属性信息与评分信息进行推荐,一定程度上提高了系统推荐的准确性,但社会化推荐系统的开放性,极易受到恶意攻击,此类行为危害了社会化推荐的真实性,加深用户对系统推荐的不信任。国内外研究人员针对评分推荐系统或社交网络的攻击检测已有很多研究成果,但是很少关注针对社会化推荐系统的托攻击检测问题。虽然有学者针对社会化推荐系统的托攻击提出检测方法,但这些方法缺少对用户不同属性之间存在的关联进行分析。为弥补现有研究对社会化推荐托攻击检测问题的不足,本文对社会化推荐系统存在的托攻击检测问题进行研究。首先,本文挖掘用户评分行为和社交关系之间的潜在联系,提出一种基于决策树的托攻击检测算法。该算法通过构建用户特征空间,训练C4.5决策树形成分类器对托攻击用户进行检测。其次,本文通过分析用户群体在评分行为上的相似性及每个用户的社交属性,提出一种基于标签传播的托攻击检测算法,该算法主要利用用户评分行为的相似性来计算用户节点间边的权重。在标签传播过程中,将评分相似的用户划分到标签相同的群体中,从而检测出托攻击用户。最后,在FilmTrust数据集中对本文提出的两种检测算法进行实验验证。通过与两种经典的检测算法进行对比,进而验证本文提出的两种检测算法能够有效识别出社会化推荐系统中的混合攻击概貌。