Privacy-preserving naïve bayesian classifier-based collaborative filtering
Basit bayes sınıflandırıcı tabanlı gizliliği koruyan işbirlikçi filtreleme
- Tez No: 177392
- Danışmanlar: YRD. DOÇ. DR. HÜSEYİN POLAT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2008
- Dil: İngilizce
- Üniversite: Anadolu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
- Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: 77
Özet
İşbirlikçi filtreleme (İF) İnternet'te kullanılan çok popüler bir teknik haline gelmiştir. İF sistemleri çok yaygın kullanılmalarına rağmen bu sistemlerin bazı problemleri vardır. Bunlardan ilki kullanıcıların gizli verisini toplamaktır. Daha iyi önerilerde bulunmak için bu sistemler kaliteli veriye ihtiyaç duyarlar; fakat gizlilik nedeni ile kullanıcılar özel verilerini göndermekte tereddüt ederler veya yanlış veri göndermeye karar verebilirler. İkinci problem ise bazen öneri için kullanılacak veriler iki farklı grup arasında paylaşılmış olabilir. Bu iki grup verilerini birleştirmek isteyebilirler ama gizlilik endişelerinden dolayı birbirlerine verilerini göstermek istemeyebilirler. Üçüncü problem ise iyileştirme problemidir. Kullanıcı ve ürün sayılarının artması ile öneri işleminin süresi artar. Bu durumda tahminleri verimli şekilde üretmek zorlaşır.Bu tezde, basit Bayes sınıflandırıcı (BBS) tabanlı İF algoritmasının sorunlarını gidermek için yöntemler önerilmiştir. Rastgele cevap teknikleri kullanılarak BBS tabanlı önerilerin kullanıcıların gizliliğini koruyarak gerçekleştirecek yeni bir yöntem sunulmuştur. İki grup arasında bölünmüş veriden bu grupların gizliliklerini koruyarak İF servisleri üretmek için çözümler önerilmiştir. Son olarak, k-mod kümeleme algoritması kullanılarak gizliliği koruyan BBS tabanlı İF algoritmasını iyileştirme yöntemi sunulmuştur. Çözümlerin doğruluk, gizlilik ve ek maliyetler açısından analizleri yapılmıştır. Sonuçlar açıklandıktan sonra gelecekte yapılması planlanan işler sunulmuştur.
Özet (Çeviri)
Collaborative filtering (CF) has become very popular on the Internet. Although CF systems are widely used, they have various challenges in recommendation process. The first one is collection of users? private data. For better referrals, such systems need quality data; however, due to privacy concerns, users hesitate to send their private data or they might decide to send false data. The second challenge is that CF systems provide referrals on existing databases compromised of ratings recorded from groups of people evaluating various items; sometimes, however, the systems? ratings might be split among different parties. The parties may wish to share their data; but they may not want to disclose their data. The third challenge is optimizing problem. Prediction process? run time increases with increasing number of users/items. It becomes difficult to offer referrals efficiently.In this thesis, approaches are proposed to overcome challenges for naïve Bayesian classifier (NBC)-based CF algorithm. A new scheme is proposed to produce NBC-based recommendations while preserving users? privacy by utilizing randomized response techniques (RRT). To offer CF services on distributed data between two parties without violating their privacy, solutions are provided. And finally, a method is proposed for optimizing privacy-preserving NBC-based CF scheme using k-modes clustering. To assess the proposed schemes, experiments are conducted using real data sets. The solutions are analyzed in terms of accuracy, privacy, and additional costs. After drawing conclusions, future works are presented.
Benzer Tezler
- Privacy-preserving collaborative filtering on arbitrarily partitioned data
Gizliliği koruyarak rastgele bölünmüş veri tabanlı ortak süzgeçleme
İBRAHİM YAKUT
Doktora
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HÜSEYİN POLAT
- Shilling attack design and detection on masked binary data
Gizlenmiş ikili veriler üzerinde şilin atak tasarımı ve tespiti
ZEYNEP BATMAZ
Yüksek Lisans
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HÜSEYİN POLAT
- Graf bazlı sorgu seti yöntemi ile diferensiyel mahremiyetin sağlanması
Differential privacy with graph based query set
EMİR ESMERDAĞ
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. MUHAMMED OĞUZHAN KÜLEKCİ
- Training and modelling with privacy in network data using machine learning
Makine öğrenimini kullanarak ağ verilerinde gizlilikle eğitim ve modelleme
ONAT CAN BABA
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ENGİN MAŞAZADE
- Privacy risks of ranked data publication
Sıralı veri yayınından kaynaklanan gizlilik riskleri
FAIZAN SUHAIL
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. YÜCEL SAYGIN
Assoc. Prof. Dr. MEHMET ERCAN NERGİZ