مسعود سپاهی - دانشجوی کارشناسی ارشد دانشگاه جامع امام حسین(ع)
محمدرضا حسنی آهنگر - دانشیار گروه مهندسی کامپیوتر دانشگاه جامع امام حسین (ع)

موتورهای جستجو پرس و جوهای ایجاد شده توسط کاربرانشان را با هدف ساخت پروفایل و پیشنهاد به شخصی سازی نتایج جستجوی آنها ذخیره و آنالیز می کنند. هرچند این سرویسی مفید برای کاربران است ، اما پروفایل های کاربران ممکن است دارای اطلاعات حساسی باشند که میتواند حریم خصوصی انــها را تهدید کند. تاکید و توجهات در این زمینه معطوف به رقابت بین بدست آوردن حریم خصوصی و کیفیت سرویس است. مقاله جاری با هدف به ماکزیمم رساندن مصالحت بین این دو است .در این مقاله ، ما روش نوینی را ارائه می کنیم ، که باعث بهبود ، گروه بندی کاربرانی که قصد به اشتراک گذاشتن پروفایل های خود را دارند. علاوه براین ، روش ما مبتنی بر یک معماری ترکیبی همتابه همتا است که درحال حاضر از لحاظ مقیاس پذیری ، بهتر عمل می کنند.سیستم پیشنهادی از لحاظ کارایی و حفظ حریم خصوصی با استفاده از داده های واقعی مجموعه داده سرچ انجین واقعی تست شده است. نتایج شبیه سازی نشان داد که ؛ سیستم از حریم خصوصی کاربران زمانی که صادقانه با آن رفتار میکنند محافظت میکند، کاربرانی خودخواه (کاربرانی که رفتاری برخلاف رفتارعادی سیستم دارند) را جریمه میکند، قابلیت پشتیبانی تعداد زیادی از کاربران را دارد و از لحاظ اقتصادی پروفایل های گروهی مقرون به صرفه ترند و گروه های پویــا و توپولوژی هایی که غیر قابل پیش بینی هستند ، از دیدگاه حفظ حریم خصوصی ، بهتر عمل می کنند.

موتور جستجو ، حریم خصوصی ، کیفیت سرویس