Çoklu-kriterli öneri sistemlerinin güçlü kullanıcı saldırılarına karşı gürbüzlük analizi
Robustness analysis of multi-criteria recommender systems against power user attacks
- Tez No: 872061
- Danışmanlar: DR. ÖĞR. ÜYESİ ZEYNEP BATMAZ, DR. ÖĞR. ÜYESİ TUĞBA TÜRKOĞLU KAYA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 76
Özet
Öneri sistemleri kullanıcılara geçmişte yapmış oldukları beğeni geri bildirimlerini kullanarak yeni ürün/hizmet tahminleri sunmaktadır. Çoklu-kriterli öneri sistemleri kullanıcı değerlendirmelerini birden fazla kategoride toplayarak daha kişiselleştirilmiş öneriler sunmayı hedeflemektedir. Öneri sistemlerine karşı gerçekleştirilen saldırılardan olan şilin atak, sisteme sahte kullanıcı profilleri ekleyerek yapılmaktadır. Şilin saldırı türlerinden olan güçlü kullanıcı saldırısında belirlenen güçlü kullanıcılar üretilen tahminleri manipüle edecek şekilde sistemde kopyalanır. Bu saldırıların geleneksel öneri sistemlerinde etkili olduğu yapılan çalışmalarca gösterilmiştir. Ancak, çoklu-kriterli öneri sistemi yaklaşımlarının bu saldırılara karşı gürbüzlüğü gösterilmemiştir. Bu tez kapsamında güçlü kullanıcı saldırılarının çoklu-kriterli ortama nasıl uyarlanacağı ve öncü çoklu-kriterli öneri sistemi tekniklerinin güçlü kullanıcı saldırılarına karşı gürbüzlükleri analiz edilmiştir. Gerçek veri setleri üzerinde gerçekleştirilen deneysel çalışmalarda çoklu-kriterli öneri sistemi tekniklerinin saldırı yapılmadan öncesi ve sonrası ürettikleri tahminler arasındaki değişim literatürdeki tahmin değişimi metriği ile gösterilmiştir. Bu metriğin yanı sıra literatüre yeni kazandırılacak olan iki yeni metrikle de analiz edilmiştir. Öneri sistemlerinin, güçlü kullanıcı belirleme yöntemlerinin ve kriterlerin saldırı üzerindeki etkileri anova ve Kruskal-Wallis istatistiksel yöntemleri ile analiz edilmiştir.
Özet (Çeviri)
Recommendation systems offer new product predictions to users using their past liking feedback. The accuracy of predictions is tied to the system's understanding of user preferences. Multi-criteria recommendation systems further aim to provide more personalized recommendations by collecting user evaluations in more than one category. With the increasing commercial adoption of recommendation systems, there is a growing need to safeguard these systems. One of the common methods used in attacking recommendation systems is the shilling attack, which involves adding fake user profiles to the system to manipulate suggestions. In power user attack, where some users are considered to be able to influence large user groups, selected power users are copied, thus changing predictions. Effectiveness of those attack on traditional recommender systems have shown in studies. But robustness of multi-criteria recommender systems against power user attack has not yet been studied. Within scope of this thesis, it is discussed how to apply power user attack to multicriteria recommender systems and robustness of common recommender system algorithms against power user attack analyzed. In the experimental studies on real multicriteria data sets, difference between predictions before and after power user attack have been presented by common method in literature called prediction shift. Also, the robustness of common multi-criteria recommender system algorithms against those attacks has been analyzed with two new metrics. The success of attacks according to recommender system algorithms, power user detection methods, and sub-criteria has been analyzed using ANOVA and Kruskal-Wallis statistical methods.
Benzer Tezler
- The performance evaluation of ai based resource allocation algorithms for donwlink NOMA systems
Aşağı yönlü NOMA sistemlerinde yapay zeka tabanlı kaynak tahsis algoritmalarının performans analizi
EDA KURT KARAKUŞ
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
- A generalized localization framework for terrestrial and aerial systems
Kara ve hava sistemleri için genel bir konumlandırma çerçevesi
SALİHA BÜYÜKÇORAK EDİBALİ
Doktora
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜNEŞ KARABULUT KURT
- Fuzzy logic system applied to the optimization of BWMS with emphasis on stakeholders' management
Paydaş yönetimine ağırlık verilerek BWMS'lerin optimizasyonuna yönelik uygulanan bulanık mantık sistemi
SARA DA SİLVA JORGE
Doktora
İngilizce
2020
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. TANZER SATIR
- Derin öğrenme yaklaşımları ile çoklu-kriterli öneri sistemlerinin problemlerini çözmek
Deep learning-based approaches to handle challenges of multi-criteria recommender systems
ZEYNEP BATMAZ
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. CİHAN KALELİ
- Hybrid deep multi-criteria recommender system model
Hibrit derin çok kriterli öneri sistemi modeli
ABDULRAHMAN ALNAHHAS
Yüksek Lisans
İngilizce
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. YUSUF İLKER TOPCU