Hybrid attacks on model-based social recommender systems

با افزایش محبوبیت پلتفرم های اجتماعی آنلاین، رویکردهای مبتنی بر شبکه های اجتماعی بر روی توصیه ها ظاهر می شود. با این حال، به دلیل ماهیت باز از سیستم های رتبه بندی و شبکه های اجتماعی، سیستم های پیشنهاد دهنده اجتماعی حساس به حملات مخرب هستند. در این مقاله، ما یک حمله جدیدی را ارائه می دهیم که ویژگی های حمله رتبه بندی و حمله ارتباطی را به ارث می برد و به آن حمله ی ترکیبی را تعبیر می کند. علاوه بر این، ما تاثیر حمله هیبریدی بر سیستم های توصیه شده مبتنی بر مدل را در چند جنبه بررسی می کنیم. نتایج تجربی نشان می دهد که حمله های هیبریدی در اکثر موارد مخرب تر از حمله رتبه بندی است. علاوه بر این، کاربران و مواردی که رتبه بندی کمتر دارند بیشتر تحت تاثیر قرار می گیرند. آخرین، اما نه کمترین، یافته ها نشان می دهد که اسپم ها به لینک های بازخورد از کاربران عادی وابسته نیستند تا قدرتمندتر شوند؛ لینک های یک طرفه می توانند حمله های ترکیبی را به اندازه کافی مؤثر انجام دهند. از آنجاییکه پیوندهای یک طرفه بسیار ارزان تر هستند، حمله هیبریدی تهدیدی جدی برای سیستم های توصیه کننده اجتماعی مبتنی بر مدل خواهد بود.