حملات شیلینگ علیه سیستم‌های توصیه‌گر: یک پیمایش جامع

Shilling attacks against recommender systems: a comprehensive survey

مقاله انگلیسی ۳۳ صفحه PDF ترجمه فارسی ۴۲ صفحه Word

چکیده

فروشندگان اینترنتی از الگوریتم های فیلترینگ تشریک مساعی (همکار)به منظور ارائه توصیه ها برای مشتریان خود استفاده می کنند تا بتوانند فروش و سود خود را افزایش دهند. اگرچه طرح های توصیه در سایت های تجارت الکترونیکی موفق هستند اما در مقابل حملات شیلینگ یا تزریق نمایه، آسیب پذیرند. از یک سو، سایت‌های خرید اینترنتی از طرح های فیلترینگ توصیه برای بهبود مزیت رقابتی خود نسبت به سایر شرکت ها استفاده می‌کنند، از سوی دیگر، کاربران ./یا رقبای مخرب ممکن است تصمیم بگیرند نمایه های جعلی را وارد ماتریس‌های کاربر-آیتم کنند تا بتوانند آنگونه که تمایل دارند بر رتبه‌بندی‌های پیش بینی شده اثر بگذارند. در دهه گذشته مطالعات متنوعی صورت گرفته است تا استراتژی های مختلف حملات شیلینگ، انواع نفوذ به نمایه، طرح‌های کشف حمله شیلینگ و الگوریتم نیرومندی برای غلبه بر چنین حملاتی را موشکافی کند و آنها را با توجه به دقت، هزینه/منفعت و عملکرد کلی ارزیابی کند…

واژگان کلیدی: شیلینگ, تزریق نمایه, حملات پوش/نیوک, فیلترینگ تشریک مساعی, نیرومندی, کشف حمله

Abstract Online vendors employ collaborative filtering algorithms to provide recommendations to their customers so that they can increase their sales and profits. Although recommendation schemes are successful in e-commerce sites, they are vulnerable to shilling or profile injection attacks. On one hand, online shopping sites utilize collaborative filtering schemes to enhance their competitive edge over other companies
Keywords: Shilling,Profile injection, Push/nuke attacks, Collaborative filtering
Robustness, Attack detection

160,000 ریال – خرید

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *