文献

J-GLOBAL ID：201802250281999283   整理番号：18A0196438

異常値解析を用いた社会的レコメンダーシステムにおけるプロファイル注入攻撃の検出【Powered by NICT】

Detection of profile injection attacks in social recommender systems using outlier analysis

著者 (2件)： Davoudi Anahita (University of Central Florida, Orlando, FL 32816) ,  Chatterjee Mainak (University of Central Florida, Orlando, FL 32816)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： Big Data  ページ： 2714-2719  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ソーシャルネットワークに基づくシステムが発達するにつれて,それらは膨大な数の偽ユーザプロファイルの影響を受け得る。特に,ユーザの意見に影響する評価システムに注入される悪意のあるプロファイルが社会的推薦システムであるプロファイルインジェクション攻撃に脆弱である。攻撃者の目的は,製品の有利な又は不利な勧告を提供するバイアスされたプロファイルの大規模なセットを注入することである。本論文では,攻撃の検出のための分類手法を提案した。最初に,攻撃者のプロファイルを持つユーザの可能性を提供する属性を定義した。利用者-項目評価値行列,ユーザ結合行列,およびユーザ間の類似性を用いて,評価が異常であるかどうか,ネットワークにおけるランダム接続がかどうか。,fc平均クラスタリングを用いてユーザを分類する真正ユーザと攻撃者にした。提案フレームワークを評価するために,著者らはEpinionsデータセットを使用し,インテリジェントプッシュとnuke攻撃を注入する。これらの攻撃は既存ユーザに任意の接続を行うと偏った評価を提供する。性能を評価するために,fc平均クラスタリングは,高い精度と低い偽陽性と攻撃者を同定することができることを示すために,適合率と再現率を用いた。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *異常値 ,  クラスタ化 ,  利用者プロファイル ,  類似性 ,  ネットワーク ,  サイバー攻撃
準シソーラス用語： 再現率 ,  適合率 ,  誤検出 ,  結合行列 ,  攻撃者 ,  脆弱性 ,  インジェクション攻撃 ,  推奨システム ,  評価システム ,  社会的ネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  データ保護  (JD01020V)

タイトルに関連する用語 (6件)： 異常値 ,  解析 ,  社会 ,  プロファイル ,  注入 ,  攻撃