在采用协同过滤技术的推荐系统中，恶意用户通过注入大量虚假概貌使系统的推荐结果产生偏离，达到其攻击目的。为了检测托攻击，根据用户的评分值或基于攻击时间的集中性假设，从不同视角提取攻击概貌的特征。但是，这些基于人工特征的检测方法严重依赖于特征工程的质量，而且人工提取的检测特征多限于特定类型的攻击，提取特征也需要较高的知识成本。针对这些问题，从用户评分项目的时间偏好信息入手，提出一种利用深度稀疏自动编码器自动提取检测特征的托攻击集成检测方法。利用小波变换将项目在不同时间间隔内的流行度设定为多个等级，对用户的评分数据预处理得到用户-项目时间流行度等级矩阵。然后，采用深度稀疏自动编码器对用户-项目时间流