Shilling Attack Detection with One Class Support Vector Machines

Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi Pub Date : 2023-12-31 DOI:10.47112/neufmbd.2023.22

Halil Ibrahim Ayaz, Zehra KAMIŞLI ÖZTÜRK

{"title":"Shilling Attack Detection with One Class Support Vector Machines","authors":"Halil Ibrahim Ayaz, Zehra KAMIŞLI ÖZTÜRK","doi":"10.47112/neufmbd.2023.22","DOIUrl":null,"url":null,"abstract":"Öneri sistemleri çeşitli çevrimiçi platformlarda hayati bir rol oynar ve kullanıcıların tercihlerini göz önünde bulundurarak yeni ürünler, hizmetler ve içerikler keşfetmelerine yardımcı olur. Bununla birlikte, bu sistemler, kötü niyetli kullanıcıların derecelendirmeleri yapay olarak şişirdiği veya söndürdüğü ve önyargılı önerilere yol açtığı şilin saldırıları yoluyla manipülasyona karşı savunmasızdır. Bu saldırıları araştırmanın, anlamanın ve hafifletmenin önemini vurgulamak çok önemlidir. Bu tür saldırıları tespit etmek, tavsiye sistemlerinin bütünlüğünü ve etkinliğini korumak için çok önemlidir. Literatürde, şilin saldırılarını tespit etmek için birçok çalışma sunulmuştur. En iyi bilinen kümeleme yöntemleri farklı saldırı modelleri için uyarlanmıştır. Bu makalede, şilin saldırılarını tespit etmek için gürbüz bir teknik olarak Tek Sınıflı Destek Vektör Makineleri kullanımını araştırıyoruz. Tek Sınıflı Destek Vektör Makinaları, öncelikle anomali tespiti ve aykırılık tespiti görevleri için tasarlanmış geleneksel Destek Vektör Makinelerinin özel bir çeşididir. Önerilen yöntemi doğrulamak için MovieLens100K veri kümesi kullanılmıştır. Sonuç olarak, farklı boyut ve doluluk oranlı saldırılar için hassasiyet ve geri çağırma değerleri verilmiştir.","PeriodicalId":184558,"journal":{"name":"Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi","volume":"125 15","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-12-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.47112/neufmbd.2023.22","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

Öneri sistemleri çeşitli çevrimiçi platformlarda hayati bir rol oynar ve kullanıcıların tercihlerini göz önünde bulundurarak yeni ürünler, hizmetler ve içerikler keşfetmelerine yardımcı olur. Bununla birlikte, bu sistemler, kötü niyetli kullanıcıların derecelendirmeleri yapay olarak şişirdiği veya söndürdüğü ve önyargılı önerilere yol açtığı şilin saldırıları yoluyla manipülasyona karşı savunmasızdır. Bu saldırıları araştırmanın, anlamanın ve hafifletmenin önemini vurgulamak çok önemlidir. Bu tür saldırıları tespit etmek, tavsiye sistemlerinin bütünlüğünü ve etkinliğini korumak için çok önemlidir. Literatürde, şilin saldırılarını tespit etmek için birçok çalışma sunulmuştur. En iyi bilinen kümeleme yöntemleri farklı saldırı modelleri için uyarlanmıştır. Bu makalede, şilin saldırılarını tespit etmek için gürbüz bir teknik olarak Tek Sınıflı Destek Vektör Makineleri kullanımını araştırıyoruz. Tek Sınıflı Destek Vektör Makinaları, öncelikle anomali tespiti ve aykırılık tespiti görevleri için tasarlanmış geleneksel Destek Vektör Makinelerinin özel bir çeşididir. Önerilen yöntemi doğrulamak için MovieLens100K veri kümesi kullanılmıştır. Sonuç olarak, farklı boyut ve doluluk oranlı saldırılar için hassasiyet ve geri çağırma değerleri verilmiştir.

查看原文

微信好友朋友圈 QQ好友复制链接

本刊更多论文

用一类支持向量机检测 Shilling 攻击

推荐系统在各种网络平台上发挥着至关重要的作用，它根据用户的偏好帮助用户发现新产品、服务和内容。然而，这些系统很容易受到 "贿赂 "攻击的操纵，即恶意用户人为提高或降低评分，从而导致有偏见的推荐。强调调查、了解和缓解这些攻击的重要性至关重要。检测这类攻击对于保护推荐系统的完整性和有效性至关重要。在文献中，有许多作品都提出了检测 "推销 "攻击的方法。最著名的聚类方法已被用于不同的攻击模型。在本文中，我们将研究如何使用单类支持向量机作为一种稳健的技术来检测伪装攻击。单类支持向量机是传统支持向量机的一种特殊变体，主要用于异常点检测和离群点检测任务。我们使用 MovieLens100K 数据集来验证所提出的方法。结果，针对不同规模和占用率的攻击给出了精确度和召回值。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文去求助

来源期刊

Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi

自引率

0.00%

发文量