بررسی و شناسایی رفتارهای غیر طبیعی کاربران در سیستم های پیشنهاددهنده

امروزه ما کاربران با انبوهی از اطلاعات و داده ها سروکار داریم که بدون راهنمایی، ممکن است انتخاب هایی غلط داشته باشیم. بدین منظور رویکرد سیستم های پیشنهاددهنده مطرح می شود. این سیستم ها نوعی سیستم پالایش اطلاعاتی هستند که مانند فیلتر عمل می کنند و اطلاعاتی که مفید و به علایق و سلایق کاربران نزدیک است را نمایشمی دهند. و به این ترتیب از تولید حجم زیاد اطلاعات و سردگمی کاربران می کاهند. ولی چون این سیستم ها از اطلاعات و ضمنی درباره علایق کاربر به آیتم های مختلف، برای پیش بینی آیتم های مورد علاقه جمع آوری شده به صورت صریح کاربر استفاده می کنند. ممکن است به دلیل ماهیت باز و در دسترسی که دارند مورد سوء استفاده افراد سودجو که به آنها مهاجم می گویند قرار گیرد و لیست پیشنهادات را مطابق اهداف خود تغییر دهند. از این رو شناسایی آنها برای بهبود کیفیت پیشنهادات ضروری می باشد. بدین منظور ابتدا باید حملاتی که ممکن است توسط آنها انجام شود را شناسایی و خصوصیات و اهداف حملات انجام شده را بررسی کرد. سپس به کمک این خصوصیات و تکنیک های مختلف داده کاوی نظیر خوشه بندی، طبقه بندی، الگوریتم های مختلف یادگیری ماشین به شناسایی این کاربران پرداخت.

کلیدواژه ها:

سیستم های پیشنهاددهنده ، حملات شیلینگ ، تکنیک های داده کاوی ، رفتارهای غیرطبیعی