Resumen

Debido a la apertura de los sistemas de recomendación, es probable que los atacantes inyecten un gran número de perfiles falsos para sesgar la predicción de dichos sistemas. Los métodos tradicionales de detección se basan principalmente en las características artificiales, que a menudo se extraen de un tipo de información generada por el usuario. En estos métodos, las interacciones detalladas entre usuarios e items no pueden capturarse de manera exhaustiva, lo que lleva a la degradación de la precisión de detección bajo varios tipos de ataques. En este documento, proponemos un método de detección en conjunto basado en las características automáticas extraídas desde múltiples puntos de vista. En primer lugar, para descubrir colaborativamente los perfiles falsos, se analizan los comportamientos de los usuarios desde múltiples perspectivas que incluyen valoraciones, popularidad de los items y grafo usuario-usuario. En segundo lugar, basándose en los datos preprocesados desde múltiples puntos de vista, se utilizan autoencoders de eliminación de ruido apilados para extra

• Materias:Cifrados de bloques Seguridad cibernética Malware Ocultación de datos Cifrado homomórfico
• Subjects:Block ciphers Cyber security Malware Data hiding Homomorphic encryption
• Palabras claves:Sistemas de recomendación; Perfiles falsos; Métodos de detección; Comportamientos de los usuarios; Vistas múltiples; Método de detección de conjuntos
• Keywords:Recommender systems; Fake profiles; Detection methods; User behaviors; Multiple views; Ensemble detection method