| Student: | Ayco Neyt |
|---|
| Richting: | Master of Science in de industriële wetenschappen: informatica |
|---|
| Abstract: | Verschillende aanbevelingssystemen die gebruik maken van collaboratief filteren of matrixvermenigvuldigingmethoden steunen op de gelijkenissen van gebruikers om aanbevelingen te maken. Deze systemen zijn vatbaar voor injectieaanvallen van kwaadwillige gebruikers. Dit onderzoek analyseert verschillende domeinen. Ten eerste worden de verschillende aanvalsmodellen en hun impact op verschillende aanbevelingssystemen geanalyseerd. Door het bepalen van de impact kunnen conclusies getrokken worden over de schade van de aanval en zijn detecteerbaarheid. Nadien wordt een uitgebreide analyse gedaan van de detectietechnieken tegen de verschillende aanvalsmodellen. Enkele gecontroleerde methoden bestaan om een aanvaller tegen te gaan. Deze thesis zal voornamelijk focussen op het detecteren van afwijkende metrieken berekend per gebruiker om zo aanvallersprofielen op te sporen. |
|---|
| Abstract (Eng): | Several recommender systems that use collaborative
filtering or matrix factorisation methods rely heavily on similar
users to make recommendations. These systems are therefore
vulnerable to injection attacks from a malicious user. This
research analyses multiple domains. Firstly a study is made
around the types of attacks and their impact on the various
recommendation algorithms. This impact is necessary to measure
the severeness of an attack and what the chances are that these
will be detected. Afterwards a comprehensive analysis is made
of detection techniques against various types of attack models.
Several supervised detection methods will be analysed separately
and combined afterwards to obtain a complete detection system
based on the characteristics of user profiles. While reactive and
proactive methods exist to deny a possible attacker, this research
focuses mainly on detecting the commmon structures of attacker
profiles. |
|---|