بررسی حملات Shilling در سیستم های توصیه گر

گروه مهندسی کامپیوترو فن آوری اطلاعات ، واحد سبزوار.دانشگاه آزاد اسلامی، سبزوار، ایران، aa_neghabi@ iaus.ac.ir چکیده تجارت الکترونیکی به معنای فرآیند خرید الکترونیکی و بازاریابی آنلاین با استفاده از مرورگرهای وب معمولی است. امروزه سیستم های توصیه گر به جزء جداناپذیری از وب سایت های تجارت الکترونیک تبدیل شده اند. سیستم توصیه گر به طور گسترده در حوزه های مختلف پیاده سازی شده است.. روش فیلتر مشارکتی یک توصیه بر اساس مدل ترجیحی کاربر ایجاد شده از ویژگی های صریح و ضمنی مطابق با علاقه کاربر ایجاد می کند. شاخص صریح معمولا ارزیابی های کاربر از یک آیتم است، در حالی که شاخص ضمنی می تواند زمان صرف شده توسط کاربران برای تعامل با محتوا و شدت تعامل آنها باشد روش فیلترینگ مبتنی بر محتوا، شباهت های بین آیتم ها را بر اساس توضیحات آنها شناسایی می کند. موارد با توضیحات مشابه به عنوان یک توصیه برای کاربران هدف استفاده خواهد شد .بااین حال، عمومی و قابل دسترس بودن این سیستم ها موجب آسیب پذیری آنها در مقابل حمله کاربرهای سودجو گشته است. مطالعات بسیاری آسیب پذیری الگوریتم های مختلف توصیه گر را در مقابل حمله هایی که با ایجاد پروفایل های جعلی صورت می گیرند، مورد بررسی قرار داده اند که تمرکز بسیاری از آنها بر روش های قدیمی از جمله الگوریتم های پالایش گروهی بوده است. در این تحقیق به بررسی چندین نوع از حملات شیلینگ مبتنی بر گراف در سیستم های توصیه گر پرداخته و با تجزیه و تحلیل، به عملکرد آنها مقایسه گردیده است.