بهبود تشخیص حملات تزریق پروفایل در سیستم های توصیه گر با استفاده از تحلیل نقاط دورافتاده در داده های حجیم

با توجه به افزایش حجم اطلاعات به صورت انبوه کاربران با انواع مختلفی از اطلاعات و آیتم های ارائه شده در فضایاینترنت رو به رو هستند. در این میان سیستم توصیه گر تلاش می کند تا فرآیند توصیه کردن به کاربران را کاهش دهد.یکی از این سیستم های توصیه گر، سیستم توصیه گر فیلترینگ مشارکتی است که می توان آن را جزء سیستم های اجتماعیدر نظر گرفت. سیستم توصیه گر فیلترینگ مشارکتی به عنوان یک سیستم باز معرفی گردیده که این دلیل اصلی باعث میگردد در مقابل انواع حملات آسیب پذیر باشد.دراین مقاله جهت تشخیص پروفایل های جعلی به کمک تکنیک کنترل فرآیند آماری دو روش را پیشنهاد می کنیم. درتمام روش ها پیشنهادی پروفایل های حمله به عنوان نقاط دورافتاده خارج از محدوده کنترلی در نظر گرفته می شوند. درروش اول جهت تشخیص پروفایل های جعلی از روش مبتنی بر الگوریتم خوشه بندی Kmeans و در روش دوم از تکنیکمحاسبه همبستگی پیاده سازی شده در پلتفرم Mahout جهت پردازش داده های حجیم استفاده گردیده. نتایج بدستآمده نشان می دهد که تکنیک محاسبه همبستگی می تواند در تشخیص پروفایل های حمله به روی داده های حجیم کارآمدتر باشد.

Keywords:

سیستم توصیه گر , سیستم توصیه گر فیلترینگ مشارکتی , تزریق پروفایل جعلی- نقاط دور افتاده , کنترل فرآیند آماری , داده های حجیم