فرزانه محمدی - دانشکده فنی و مهندسی ، دانشگاه شیخ بهایی استان اصفهاناصفهان، ایران
مهدی باطنی - دانشکده فنی و مهندسی ، دانشگاه شیخ بهایی استان اصفهاناصفهان، ایران

سیستمهای پیشنهاددهندهی مبتنی بر فیلترسازی مشارکتی از جمله رایج ترین سیستم های پیشنهاد دهنده مورد استفاده در وبسایت های تجاری میباشند. امکان دسترسی آزادانهی کاربران به این سیستم ها، آنها را مستعد حملات تزریق پروفایل نموده است. در اینگونه حملات تعدادی پروفایل جعلی با هدف افزایش یا کاهش امتیازات داده شدهبه آیتم های مورد نظر به سیستم تزریق میگردند. تاکنون روش هایی به منظور کشف این حملات ارایه شدهاند که مبتنی بر الگوریتمهای ماشین بردار پشتیبان، محاسبات آماری، شبکهی عصبی و ... میباشند. اما این روشها از مشکلاتی همچون پایین بودن دقت تشخیص رنج می برند. از جمله روش هایی که میتوانند در جهت کشف حملات تزریق پروفایل به کار گرفته شوند، الگوریتمهای مبتنی بر سیستم ایمنی مصنوعی هستند. الگوریتم پیشنهادی در این مقاله دارای دو بخش اصلی است: الگوریتم AIRS به منظور دسته بندی در تشخیص حملات تزریق پروفایل و الگوریتم opt-aiNet برای بهینه سازی پارامترهای الگوریتم AIRS برای انجام آزمایشهای ارزیابی مجموعه داده ی MovieLens-1M مورد استفاده قرار گرفته است. الگوریتم پیشنهادی در مقایسه با کارهای پایه در نظر گرفته شده دارای دقت بیشتری میباشد. این روش به طور میانگین از دقت 94.9% در بهترین حالت از دقت 98% برخوردار می باشد.

حملهی تزریق پروفایل، سیستم ایمنی مصنوعی، سیستمپیشنهاد دهنده، سیستم تشخیص ایمنی مصنوعی، فیلترسازی مشارکتی،کشف حمله