协同过滤推荐技术作为应用最广的个性化推荐技术之一，被认为是解决信息爆炸时代信息过载问题的有效方法。但是由于协同过滤推荐系统的开放性和用户参与性，系统存在严重的安全隐患。一些恶意用户出于商业的目的，通过向系统中注入大量的虚假用户概貌来使得推荐系统产生有利于他们自己的推荐结果。因此，如何保障协同过滤推荐系统的安全成为了协同过滤推荐技术研究中的一个热点。本文在对国内外研究现状深入分析的基础上，进一步对协同过滤推荐系统的攻击特征提取进行了研究。针对已有的攻击特征种类还不够丰富，攻击检测能力不强的问题，从丰富攻击特征的角度上。首先，在深入分析攻击概貌特征的基础上，基于传统的攻击检测特征只关注攻击评分值的分布特征，忽视了攻击概貌在选择填充项目时随机选择的这个特点，提出了攻击概貌的关联规则特征。从关联规则挖掘的角度，找到项目中存在的强关联规则，利用攻击用户比正常用户满足关联规则的概率低这个特点，来对攻击概貌进行检测，提高了对攻击用户的检测能力。其次，攻击概貌和正常用户概貌在评分分布上的区别使得攻击概貌的目标项目在受攻击前后评分分布有着巨大的变化，而已有的攻击特征没能很好的反映攻击概貌的这个特点。针对这个问题，提出攻击概貌的目标项目特征，能够描述项目在受攻击前后平均评分值的变化，选择其中大于一个阈值的项目作为攻击概貌的目标项目。本文的研究能够有效的丰富攻击特征，提高攻击概貌检测能力。最后，对本文提出的两种攻击特征进行了实验验证与分析，验证其有效性，并且对今后的研究工作进行了展望。