Geri Dön

Privacy-preserving dimensionality reduction-based collaborative filtering

Gizliliği koruyarak boyut indirgeme tabanlı işbirlikçi filtreleme

  1. Tez No: 177388
  2. Yazar: İBRAHİM YAKUT
  3. Danışmanlar: YRD. DOÇ. DR. HÜSEYİN POLAT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2008
  8. Dil: İngilizce
  9. Üniversite: Anadolu Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
  12. Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  13. Sayfa Sayısı: 88

Özet

İşbirlikçi filtreleme (İF) sistemleri birçok elektronik ticaret sitesi tarafından kullanılmaktadır. Fakat bu sistemler gizlilik ölçütlerini sağlamada yetersiz kalmaktadırlar. Birçok internet kullanıcısı gizlilik endişelerinden dolayı işbirlikçi filtreleme amacıyla kendi bilgilerini rahatlıkla paylaşamamaktadırlar. Bu da İF servislerini yerine getirmek için doğru ve güvenilir veri toplanmasını güçleştirmektedir. Araştırmalar gizlilik endişelerinin kullanıcıdan kullanıcıya farklılık gösterdiğini göstermektedir. Bu yüzden kullanıcılar kendi gizli bilgilerini farklı şekillerde gizlemeyi tercih edebilirler. Bu şekilde saklanmış veriler üzerinde İF servislerini sağlamak çözülmesi güç bir problem haline gelmektedir. Bazı durumlarda iki elektronik ticaret firması verilerini biraraya getirip daha güvenilir ve doğru öneriler üretmek isteyebilir. Fakat bu firmalar gizlilik, hukuki ve finansal sebeplerden dolayı verilerini birleştirmek istemezler. Eğer gizlilik ölçütleri sağlanırsa bu firmalar verilerini birleştirebilirler. Bu durumda sorun onların gizliliklerine zarar vermeden birleştirilmiş veri üzerinden İF hizmetlerini nasıl gerçekleştirecekleridir.Bu çalışmada ilk olarak kişisel gizliliğe zarar vermeden Eigentaste algoritmasına dayalı İF hizmetleri sunmak için çözümler ileri sürülmüştür. İkinci olarak, farklı yollarla saklanmış veriden tekil değerlerine ayrıştırma (TDA) tabanlı algoritmalar kullanılarak nasıl öneri üretileceği gösterilmiştir. Son olarak, dağıtık veri üzerinden iki taraf arasında tarafların gizliliklerini koruyarak TDA tabanlı işbirlikçi filtrelemenin nasıl gerçekleştirileceği araştırılmıştır. Öne sürülen çözümlerin performanslarını ölçmek için İF amacıyla toplanmış gerçek veriler kullanılarak deneyler yapılmıştır. Önerilen yöntemlerin doğruluk, gizlilik ve ek maliyet analizleri yapılmıştır. Çözümler anlatıldıktan sonra sonuçlar çıkarılmış ve öneriler sunulmuştur.

Özet (Çeviri)

Collaborative filtering (CF) systems are widely used by many e-commerce sites. However, they fail to provide privacy measures. A significant amount of internet users do not feel comfortable to give their data for CF purposes due to privacy concerns. That is why it becomes a challenge to collect truthful and dependable data to perform CF services. Researches show that privacy concerns differ from user to user. Therefore, users might decide to hide their private data differently. Providing CF services on variably masked data is challenging. Two parties may need to combine their data for CF purposes for better recommendations. However, they do not want to integrate them due to privacy, legal, and financial reasons. If privacy measures are provided, they can combine their data. The question is then how they can offer CF services on integrated data without violating their privacy.In this thesis, first, solutions are proposed to offer CF services based on Eigentaste algorithm without violating individual users? privacy. Second, it is shown how to provide recommendations using singular value decomposition (SVD)-based algorithms from inconsistently perturbed data. Finally, it is investigated how to achieve SVD-based CF on distributed data between two parties while preserving their privacy. To evaluate the overall performance of the proposed solutions, experiments are conducted using real data sets collected for CF purposes. The proposed schemes are analyzed in terms of accuracy, privacy, and additional costs. After explaining the solutions, conclusions are drawn and future directions are presented.

Benzer Tezler

  1. Improving performance of privacy-preserving collaborative filtering schemes

    Gizlilik temelli ortak süzgeçleme yöntemlerinin başarımının iyileştirilmesi

    ALPER BİLGE

    Doktora

    İngilizce

    İngilizce

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. HÜSEYİN POLAT

  2. Privacy-preserving distributed collaborative filtering

    Gizliliği koruyarak dağıtık ortak süzgeçleme

    CİHAN KALELİ

    Doktora

    İngilizce

    İngilizce

    2012

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HÜSEYİN POLAT

  3. Privacy preserving publishing of hierarchical data

    Hiyerarşik verilerde mahremiyetin korunması

    İSMET ÖZALP

    Doktora

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    PROF. DR. YÜCEL SAYGIN

    DOÇ. DR. MEHMET ERCAN NERGİZ

  4. Privacy-preserving XGBoost inference with homomorphic encryption

    Homomorfik şifreleme ile gizlilik korumalı XGBoost tahmin algoritması

    ŞEYMA SELCAN MAĞARA

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    PROF. DR. ERKAY SAVAŞ

  5. Privacy preserving data analysis for information systems

    Bilgi sistemleri için gizliliği koruyan veri analizi

    BARIŞ YILDIZ

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. RECEP ALP KUT