Resumen

Para proteger los sistemas de recomendación contra ataques de manipulación, se han propuesto una variedad de métodos de detección en la última década. Sin embargo, estos métodos se centran principalmente en características individuales y rara vez consideran los comportamientos coordinados entre los usuarios atacantes, lo que resulta en una baja precisión en la detección de ataques de manipulación en grupo. En este trabajo, proponemos un método de detección de tres etapas basado en comportamientos coordinados sólidos entre los miembros del grupo y características del comportamiento grupal para detectar ataques de manipulación en grupo. En primer lugar, construimos un grafo de relaciones de usuarios ponderado combinando grados colusivos directos e indirectos entre usuarios. En segundo lugar, encontramos todos los subgrafos densos en el grafo de relaciones de usuarios para generar un conjunto de grupos sospechosos mediante la introducción de un método de potencial topológico. Finalmente, utilizamos un método de agrupamiento para detectar grupos de manipulación extrayendo características del comportamiento grupal. Experimentos extensos en los

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Sistemas de recomendación; Ataques de "shilling"; Métodos de detección; Comportamientos de "lockstep"; Ataques de "shilling" en grupo; Gráfico de relaciones entre usuarios
• Keywords:Recommender systems; Shilling attacks; Detection methods; Lockstep behaviours; Group shilling attacks; User relationship graph