Забезпечення стійкості рекомендаційних систем до шилінгових атак.
dc.contributor.author | Покришка, С. А. | |
dc.contributor.author | Шумова, Л. О. | |
dc.date.accessioned | 2024-12-17T14:56:00Z | |
dc.date.available | 2024-12-17T14:56:00Z | |
dc.date.issued | 2022 | |
dc.description.abstract | У статті розглянуто проблеми підвищення точності пропозицій рекомендаційних систем користувачам контент-орієнтованих веб-ресурсів в умовах шилінгових атак. Проведений аналіз зовнішніх факторів, що можуть дестабілізувати роботу рекомендаційних систем, показав уразливість рекомендаційних систем до загроз інформаційних атак. Підвищення стійкості рекомендаційних систем до дії негативних факторів дозволить підвищити точність та інші показники якості роботи. Основним зовнішнім дестабілізуючим фактором у рекомендаційних системах є інформаційні атаки ін’єкцією – шилінгові атаки. Шилінгові зловмисники мотивовані різними цілями, що зумовлює розробку різних моделей шилінгових атак, які розрізняються в основному рівнем знань про об'єкти рекомендаційної системи та ступенем впливу на неї. Розглянуті мотивації та наслідки шилінгу. Зловмисники маніпулюють частотою рекомендацій цільових елементів фальсифікуючи профілі користувачів. Щоб вплинути на список рекомендацій рекомендаційних систем, зловмисники шилінгу впроваджують підроблені профілі користувача контенту. Деякі атаки можуть намагатися "штовхати" цільові об'єкти (push-атаки), інші можуть бути спрямовані на "підрив" деяких цільових об'єктів (nuke-атаки). Наведено класифікацію методів і моделей шилінгу та здійснено порівняльний аналіз їх негативного впливу на точність пропозицій рекомендаційних систем. Забезпечення стійкості рекомендаційних систем до шилінгових атак є важливою умовою для підвищення точності їх роботи. Досліджено методи виявлення інформаційних атак на рекомендаційні системи. Для аналізу, тренування та тестування було обрано найбільш впливові методи шилінгових атак, а саме: random, average i bandwagon атаки. Найбільшу точність пропозицій користувачам за умов загроз обраних моделей шилінгових атак забезпечив метод sgd_classifier. | |
dc.identifier.citation | Покришка С. А., Шумова Л. О. Забезпечення стійкості рекомендаційних систем до шилінгових атак. Наукові вісті Далівського університету. 2022. №23. | |
dc.identifier.doi | https://doi.org/10.33216/2222-3428-2022-23-4 | |
dc.identifier.udc | 004.9 | |
dc.identifier.uri | https://dspace.snu.edu.ua/handle/123456789/1595 | |
dc.language.iso | uk | |
dc.publisher | СНУ ім. В. Даля | |
dc.subject | рекомендаційні системи | |
dc.subject | інформаційна безпека | |
dc.subject | шилінгові атаки | |
dc.subject | веб-ресурси | |
dc.subject | машинне навчання | |
dc.title | Забезпечення стійкості рекомендаційних систем до шилінгових атак. | |
dc.type | Article |