Shilling attack design and detection on masked binary data

Abstract

Gizliliği koruyan işbirlikçi filtreleme yöntemleri gizli verileri koruyarak aşırı enformasyon problemi ile başa çıkmanın etkili yoludur. Bu yöntemlerin başarısı filtreleme amacıyla toplanan verilerin kalitesine bağlıdır. Kötü amaçlı kullanıcılar bu filtreleme sistemlerinin veri tabanına sahte profil (gürültülü veri) ekleyebilir. Bu nedenle şilin ataklar veri kalitesi için önemli rol oynarlar. Etkili şilin atak tasarımı, bunların tespiti için yöntemler geliştirilmesi ve gizliliği koruyan işbirlikçi filtreleme algoritmalarının gürbüzlüğünün analizleri artan ilgi görmektedir. Bu tezde en çok bilinen altı şilin atak modeli gizlenmiş ikili veri tabanlarına saldırmak amacıyla değiştirilerek geliştirilmiştir. Bu amaçla üç şilin atak oluşturma tasarısı önerilmiştir. Bu ataklar basit Bayes sınıflandırıcı tabanlı gizliliği koruyan işbirlikçi filtreleme algoritmasına uygulanmıştır. Sahte profillerin tespit edilmesi için sınıflandırma tabanlı yeni bir atak tespit yöntemi geliştirilmiştir. Atak profillerini tespit etmek amacıyla, sınıflandırma için kullanıcı profillerinden türetilen özniteliklerden yararlanılmıştır. Deneysel sonuçlar ikili saklanmış veri üzerinde etkili şilin atak profilleri oluşturmanın mümkün olduğunu göstermiştir. Önerilen tespit algoritmasının başarılı bir şekilde sahte profilleri tespit ettiği görülmüştür.