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

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 بهبود تشخیص حملات تزریق پروفایل در سیستم های توصیه گر با استفاده از تحلیل نقاط دورافتاده در داده های حجیم دارای ۱۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد بهبود تشخیص حملات تزریق پروفایل در سیستم های توصیه گر با استفاده از تحلیل نقاط دورافتاده در داده های حجیم  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی بهبود تشخیص حملات تزریق پروفایل در سیستم های توصیه گر با استفاده از تحلیل نقاط دورافتاده در داده های حجیم،به هیچ وجه بهم ریختگی وجود ندارد

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

تعداد صفحات :۱۸

چکیده مقاله:

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.