این ترجمه مقاله را با دوستان خود به اشتراک بگذارید.

در این متد پیشنهادی ، PCA ، قبل و بعد از افزودن اختلال (نویز) گاوسی  به پروفایل هر کاربر ، اجرا می شود. حملات شیلینگ با ترکیب نتایج این دو PCA ، شناسایی می شوند.

چکیده مقاله

سیستم های توصیه گر پالایش گروهی (CF) ، به دلیل کارایی مناسب آنها در توصیه های شخصی  ، در برنامه های زیادی به طور گسترده به کار گرفته شده اند. تحقیقات اخیر نشان می دهند که یک سیستم توصیه گر CF ، در برابر حملات شیلینگ آسیب پذیر است که در این حملات ، پروفایل های شیلینگ توسط مهاجم ، به یک سیستم ، تزریق می شوند. بسیاری از متدهای شناسایی حملات ، برای مقابله با حملات شیلینگ ارائه شده اند. تحلیل مولفه های پایه PCA به صورت مستقل ، یکی از موثرترین متدهای شناسایی است. هرچند ، سودمندی آن به اطلاعات پیشین آن ، وابسته است مثل تعداد پروفایل های شیلینگ در یک سیستم توصیه گر. در این مقاله ، یک متد مستقل برای شناسایی حملات شیلینگ ارائه شده که PCA و نظریه اغتشاش را ترکیب می کند. در این متد پیشنهادی ، PCA ، قبل و بعد از افزودن اختلال (نویز) گاوسی  به پروفایل هر کاربر ، اجرا می شود. حملات شیلینگ با ترکیب نتایج این دو PCA ، شناسایی می شوند. متد پیشنهادی ما ، در مقایسه با متدی که فقط از PCA استفاده می کند ، به درستی بالاتری در آزمایشات دست می یابد. این نشان می دهد که تزریق اغتشاش به نمونه ها در شناسایی حملات شیلینگ ، مفید خواهد بود.

شاید این مقاله هم به دردتان بخورد  تشخیص حملات شیلینگ با استفاده از روش یادگیری نیمه نظارتی برای سیستم توصیه گر مشترک

مقدمه حملات شیلینگ

امروزه ، اضافه بار اطلاعاتی که به دلیل حجم بالای اطلاعات ، به دست آوردن اطلاعات با ارزش را دشوار می کند ، یک مشکل جدی است. سیستم توصیه گر شخصی ، از میان داده های فراوان ، اطلاعاتی را که یک کاربر ممکن است بخواهد جدا می کند. سیستم توصیه گر پالایش گروهی (CF) ، یکی از شناخته شده ترین متدها است و در برنامه های زیادی ، اجرا می شود مثل آمازون و یوتیوب . براساس محتوایی که ممکن است یک کاربر با کاربران دیگری در علاقه به آن شریک باشد ، سیستم توصیه گر CF ، توصیه هایی برای این کاربر ، براساس ترجیحات دیگر کاربران ، فراهم می کند.

هرچند ، هنگامی که پروفایل های کاربری شیلینگ توسط مهاجمان به سیستم تزریق شوند ، ممکن است عملکرد سیستم توصیه گر CF ، به طور قابل توجهی کاهش یابد. اعتبار سیستم توصیه گر کاهش خواهد یافت و سیستم در نهایت از خطر از دست دادن مشتری های بالقوه ، رنج خواهد برد. از این رو ، مدیریت حملات شیلینگ ، یک موضوع مهم است. برای کاهش تاثیر حملات شیلینگ در سیستم توصیه گر CF ، متدهای بسیاری برای شناسایی این حملات ارائه شده اند. متدهای شناسایی نظارت شده ، تصور می کنند اطلاعات پیشین حملات ، به دست آمده اند. برخی از این ویژگی ها که مشخصه های آماری متفاوتی را بین پروفایل های شیلینگ و پروفایل های واقعی نشان می دهند ، مورد بحث قرار گرفته اند.

کارایی C4.5 ، با استفاده از ویژگی های شناسایی ، ارزیابی شده است. اگرچه ، آنها به طور کلی عملکرد رضایت بخشی دارند اما ممکن است ، حملات جدید را به طور موثر شناسایی نکنند. از سوی دیگر ، متدهای مستقل ، به اطلاعات کمتری از گذشته نیاز دارند. به علاوه ، عملکرد شناسایی مستقل ( بدون نظارت ) برای حملات جدید ، ممکن است از نوع نظارت شده آن ، بهتر باشد. پس از بررسی انحراف رتبه  پروفایل کاربر در بخش مورد بررسی ، UnRAP ، برای شناسایی پروفایل های شیلینگ ، ارائه شده است. متد PCA که یک شناسایی مستقل است ، یکی از شناخته شده ترین و موثرترین متدهای مستقل شناسایی حملات شیلینگ می باشد. به نظر می رسد که پروفایل های شیلینگ در مقایسه با پروفایل کاربران قانونی ، همبستگی بالایی با پروفایل های دیگر دارند. پروفایل های قانونی و مهاجم را می توان با روش شناسایی PCA از هم جدا کرد. از مزایای متد PCA ، می توان به تاثیرگذاری ، سادگی و اجرای آسان آن ، اشاره کرد.

شاید این مقاله هم به دردتان بخورد  تشخیص حملات شیلینگ در سیستم های توصیه گر توسط SVM

از آنجا که رتبه یک پروفایل شیلینگ ، انحراف اندکی از رتبه میانگین دارد ، تاثیر تزریق اغتشاش به پروفایل های معتبر باید کمتر از تاثیر آن بر پروفایل های شیلینگ باشد. در این مقاله ، یک متد PCA اصلاح شده ، ارائه شده است. PCA ، برای تعیین این که آیا یک پروفایل از بین پروفایل های اصلی و پروفایل هایی با اختلال گاوسی ، معتبر یا شیلینگ است ، اجرا می شود. این دو نتیجه به دست آمده از PCA ، با هم ترکیب می شوند تا یک تصمیم نهایی گرفته شود. نتایج آزمایشی تایید می کند که متد پیشنهادی ما ، بهتر از PCA اصلی ، عمل می کند. تزریق اغتشاش برای شناسایی حملات شیلینگ ، مفید است.

سازماندهی این مقاله در ادامه توضیح داده می شود. بخش ۲ ، یک مقدمه مختصر درباره حملات شیلینگ و روش شناسایی PCA ، دارد. بخش ۳ ، متد ارائه شده را با جزئیات ، نشان می دهد. نتایج آزمایشی در بخش ۴ ، بحث شده اند. نهایتا ، در بخش ۵ ، جمع بندی شده است.

این ترجمه مقاله را با دوستان خود به اشتراک بگذارید.

درباره احسان رضایی

سفارش ترجمه آنلاین خدمات ترجمه مقاله isi به صورت فوری کاهش هزینه و زمان در سفارش ترجمه آنلاین

ارسال دیدگاه

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