Метод виявлення короткочасних шилінг-атак у системах електронної комерції на основі адаптивної деталізації явних та неявних відгуків користувачів

Abstract

Предметом дослідження є процес виявлення короткочасних шилінг-атак у системах електронної комерції на основі аналізу темпоральних залежностей між явними та неявними відгуками користувачів. Мета роботи полягає у розробці підходу до виявлення шилінг-атак з використанням темпоральних правил та адаптивної деталізації як продажів, так і рейтингів у системі електронної комерції. Задачі дослідження включають: розробку підходу до виявлення короткочасних шилінг-атак на основі адаптивного порівняння темпоральних правил для продажів і рейтингів; розробку методу виявлення короткочасних шилінг-атак на основі адаптивної деталізації явних та неявних відгуків користувачів. Явні відгуки користувачів представлені рейтингами, а неявні відгуки фіксуються через продажі товарів. Розроблений метод включає такі етапи: попередню агрегацію даних щодо продажів; аналіз варіабельності продажів і рейтингів через відношення стандартного відхилення до середнього значення; виявлення інтервалів з потенційною можливістю атаки; формування набору фактів з різним рівнем деталізації; побудову темпоральних правил двох типів для продажів та рейтингів; виявлення інтервалів шилінг-атак на основі порівняння знаків ваг правил для продажів і рейтингів; виявлення користувачів-авторів атак на основі аналізу активності користувачів за виявленими інтервалами шилінг-атак. The subject of research is the process of detecting short-term shilling attacks in e-commerce systems based on analysis of temporal dependencies between explicit and implicit user feedback. The aim of the work is to develop an approach to detecting shilling attacks using temporal rules and adaptive granularity of both sales and ratings in e-commerce systems. Research tasks include: development of an approach to detecting short-term shilling attacks based on adaptive comparison of temporal rules for sales and ratings; development of a method for detecting short-term shilling attacks based on adaptive granularity of explicit and implicit user feedback. Explicit user feedback is represented by ratings, while implicit feedback is captured through product sales. The developed method includes the following stages: preliminary aggregation of sales data; analysis of sales and ratings variability through the ratio of standard deviation to mean value; identification of intervals with potential attack possibility; formation of a fact set with different granularity levels; construction of temporal rules of two types for sales and ratings; detection of shilling attack intervals based on comparison of rule weight signs for sales and ratings; identification of attacking users based on analysis of user activity across detected shilling attack intervals.