Privacy-preserving distributed collaborative filtering
Gizliliği koruyarak dağıtık ortak süzgeçleme
- Tez No: 310342
- Danışmanlar: DOÇ. DR. HÜSEYİN POLAT
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: İngilizce
- Üniversite: Anadolu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 164
Özet
Doğru ve güvenilir öneriler üretebilmek için sanal alışveriş siteleri yeterli veriye ihtiyaç duyarlar. Fakat sanal alışverişin doğası gereği ve e-ticaret sitelerinin sayısındaki artış nedeniyle ortak süzgeçleme amacıyla toplanmış veriler çeşitli siteler arasında dağıtık olmuş olabilir. Bu dağıtık veriye sahip e-ticaret siteleri bütünleştirilmiş veri üzerinden ortak öneriler sunmak isteyebilirler. Fakat gizli verilerini koruma düşüncesi, finansal korkular ve yasal zorunluluklardan dolayı bu siteler işbirliği yapmak istemeyebilirler.Bu doktora tez çalışmasında, yatay veya dikey dağıtık veri üzerinden veri sahiplerinin gizliliklerini koruyarak öneriler üretmek için işbirliğini sağlayacak çeşitli çözümler önerilmiştir. Gizliliği korumak için rasgele karıştırma ve kriptografi tabanlı çözümler kullanılmıştır. İşbirliği nedeniyle kötüleşebilecek çevrim içi performansı artırmak için kümeleme, boyut indirgeme ve güven tabanlı benzerlik gibi ön işleme metotları kullanılmıştır. Önerilen yöntemler gizlilik açısından analiz edilmiştir. Ayrıca, gizlilik endişesi nedeniyle ortaya çıkan ilave yükler irdelenmiştir. Son olarak, çeşitli gerçek veriye dayalı deneyler yapılmış ve önerilen çözümler doğruluk açısından incelenmiştir. Yapılan analizler ve deney sonuçları önerilen çözümlerin gizliliği koruduğunu, önemsenmeyecek miktarda ilave yükler getirdiğini ve kaliteli öneriler üretebildiğini göstermiştir.
Özet (Çeviri)
In order to provide accurate and dependable recommendations, online vendors need to have adequate data; however, due to the nature of online shopping and increasing amount of e-commerce sites, data collected for collaborative filtering purposes might be distributed among various companies, even competing ones. Those online vendors holding distributed data might want to offer predictions based on integrated data collaboratively. However, concerns regarding protecting private data, financial fears due to revealing valuable assets, and legal regulations imposed by various organizations prevent them from alliance.In this dissertation, various solutions are proposed to enable online vendors? collaboration for estimating recommendations on vertically or horizontally distributed data while preserving their confidentiality. The proposed solutions mainly employ randomized and cryptographic techniques for protecting privacy. To improve online performance, which may become worse due to collaboration, preprocessing methods such as clustering, dimensionality reduction, and trust are utilized. The recommended methods are analyzed in terms of privacy. Also, superfluous loads caused by privacy concerns are examined. Finally, real data-based trials are performed for evaluating the proposed schemes in terms of the quality of predictions. The analyses and experimental outcomes demonstrate that the methods preserve confidentiality, cause insignificant overheads, and offer accurate recommendations.
Benzer Tezler
- Developing techniques for robustness of privacy-preserving distributed collaborative filtering
Gizliliği koruyan dağıtık veri tabanlı ortak filtreleme metotlarının gürbüzlüğü için teknikler geliştirilmesi
BURCU YILMAZEL
Doktora
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. CİHAN KALELİ
- Privacy-preserving dimensionality reduction-based collaborative filtering
Gizliliği koruyarak boyut indirgeme tabanlı işbirlikçi filtreleme
İBRAHİM YAKUT
Yüksek Lisans
İngilizce
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu ÜniversitesiBilgisayar Mühendisliği Bölümü
YRD. DOÇ. DR. HÜSEYİN POLAT
- Privacy-preserving naïve bayesian classifier-based collaborative filtering
Basit bayes sınıflandırıcı tabanlı gizliliği koruyan işbirlikçi filtreleme
CİHAN KALELİ
Yüksek Lisans
İngilizce
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu ÜniversitesiBilgisayar Mühendisliği Bölümü
YRD. DOÇ. DR. HÜSEYİN POLAT
- Binary data reconstruction in privacy-preserving recommendation algorithms
Gizlilik tabanlı öneri algoritmalarında ikili verilerin yeniden oluşturulması
MURAT OKKALIOĞLU
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. CİHAN KALELİ
- Deriving private numeric data in privacy-preserving collaborative filtering systems
Gizlilik tabanlı ortak filtreleme sistemlerinde gizli nümerik verilerin elde edilmesi
BURCU DEMİRELLİ OKKALIOĞLU
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. CİHAN KALELİ