文献

J-GLOBAL ID：201702227031244418   整理番号：17A0368700

レコメンダーシステムにおけるSVM(サポートベクトルマシン)と標的項目分析に基づくシリング攻撃検出法SVM TIA【Powered by NICT】

SVM-TIA a shilling attack detection method based on SVM and target item analysis in recommender systems

著者 (6件)： Zhou Wei (College of Computer Science, Chongqing University, China) ,  Wen Junhao (College of Computer Science, Chongqing University, China) ,  Wen Junhao (School of Software Engineering, Chongqing University, China) ,  Xiong Qingyu (School of Software Engineering, Chongqing University, China) ,  Gao Min (School of Software Engineering, Chongqing University, China) ,  Zeng Jun (School of Software Engineering, Chongqing University, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 210  ページ： 197-205  発行年： 2016年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： レコメンダシステムのオープン性のため,システムのランキングリストをバイアスするために協調的レコメンダーシステムであるプロファイルインジェクション攻撃,悪意のあるユーザが評価値行列への攻撃プロファイルを注入に対して脆弱である。推薦システムであるシリング攻撃,個人およびグループの両方に非常に脆弱である。以前の研究の大部分は真のプロファイルと攻撃プロファイル間の相違のみを中心にして,攻撃の攻撃プロファイルにおけるグループ特性を無視していた。トレーニングセットにおける攻撃プロファイルの試料の量が小さい場合にも教師つき検出法におけるクラス不平衡問題が存在し,検出性能は良くない。本論文では,攻撃プロファイルにおけるSVM(サポートベクトルマシン)に基づく方法とグループ特性の利用を検討した。二相検出法SVM TIAはこれら二つの方法に基づいて提案した。第1段階では,境界線SMOTE法は分類におけるクラス不均衡問題を軽減するために使用されている;粗い検出結果はこの相で得られポテンシャル攻撃プロファイルのセット中,標的項目を解析し,第二相は微調整相である。MovieLens100Kデータセットの試験を行い,提案した方法の有効性を実証するためにSVM TIAの性能を比較した他のシリング検出法であった。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *検出法 ,  ポテンシャル ,  *サポートベクトルマシン
準シソーラス用語： 検出能 ,  推奨システム , 【Automatic Indexing@JST】

著者キーワード (5件)： 推薦システム ,  いんちき攻撃検出 ,  不平衡データ ,  SVM ,  標的項目分析

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (6件)： SVM ,  サポートベクトルマシン ,  標的 ,  攻撃 ,  検出法 ,  TIA