بهبود تشخیص حملات تزریق پروفایل در سیستم های توصیه گر با استفاده از تحلیل نقاط دورافتاده در داده های حجیم
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 707
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CBCONF01_0842
تاریخ نمایه سازی: 16 شهریور 1395
چکیده مقاله:
با توجه به افزایش حجم اطلاعات به صورت انبوه کاربران با انواع مختلفی از اطلاعات و آیتم های ارائه شده در فضایاینترنت رو به رو هستند. در این میان سیستم توصیه گر تلاش می کند تا فرآیند توصیه کردن به کاربران را کاهش دهد.یکی از این سیستم های توصیه گر، سیستم توصیه گر فیلترینگ مشارکتی است که می توان آن را جزء سیستم های اجتماعیدر نظر گرفت. سیستم توصیه گر فیلترینگ مشارکتی به عنوان یک سیستم باز معرفی گردیده که این دلیل اصلی باعث میگردد در مقابل انواع حملات آسیب پذیر باشد.دراین مقاله جهت تشخیص پروفایل های جعلی به کمک تکنیک کنترل فرآیند آماری دو روش را پیشنهاد می کنیم. درتمام روش ها پیشنهادی پروفایل های حمله به عنوان نقاط دورافتاده خارج از محدوده کنترلی در نظر گرفته می شوند. درروش اول جهت تشخیص پروفایل های جعلی از روش مبتنی بر الگوریتم خوشه بندی Kmeans و در روش دوم از تکنیکمحاسبه همبستگی پیاده سازی شده در پلتفرم Mahout جهت پردازش داده های حجیم استفاده گردیده. نتایج بدستآمده نشان می دهد که تکنیک محاسبه همبستگی می تواند در تشخیص پروفایل های حمله به روی داده های حجیم کارآمدتر باشد.
کلیدواژه ها:
سیستم توصیه گر ، سیستم توصیه گر فیلترینگ مشارکتی ، تزریق پروفایل جعلی- نقاط دور افتاده ، کنترل فرآیند آماری ، داده های حجیم
نویسندگان
اسماعیل قنبری چاه انجیری
دانشجوی کارشناسی ارشد فناوری اطلاعات، دانشگاه آزاد اسلامی واحد صفا شهر
علیرضا هنرور
عضو هیات علمی، دانشگاه آزاد اسلامی واحد صفا شهر
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :