کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6883891 1444208 2018 17 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A privacy-aware decentralized and personalized reputation system
ترجمه فارسی عنوان
یک سیستم اعتبارسنجی غیرمتمرکز و شخصیتی قابل اعتماد
کلمات کلیدی
سیستم شهرت شخصی محاسبه چند طرفه امن، اعتبار در میان همتایان مورد اعتماد، توصیه شخصی بازارهای آنلاین،
ترجمه چکیده
سیستم های اعتباری مشتریان را قادر می سازد تا اعتماد بنگاه های کسب و کار (خرده فروشان، فروشندگان) را در بازار افزایش دهند. در بازارهای الکترونیکی، شهرت یک نهاد تجاری (خرده فروش، فروشنده) با جمعآوری اعتبار سنجی محاسبه می شود؟ طرف هایی که معاملات با او داشته اند به طرف او اختصاص داده شده است. بیشتر سیستم های شهرتی که برای بازار های آنلاین طراحی شده اند از تمامی اعتبار های قابل اعتماد موجود برای محاسبه شهرت نهاد تجاری استفاده می کنند. با این حال، در برخی از موارد، مصرف کنندگان ممکن است بخواهند اعتبار یک نهاد تجاری را با در نظر گرفتن امتیاز اعتماد از مجموعه ای از شرکت کنندگان قابل اعتماد محاسبه کنند، اما او نمی خواهد هویت کاربران مورد اعتماد خود را افشا کند. دو چالش حفاظت از حریم خصوصی در طراحی این نوع سیستم اعتباری شخصی وجود دارد: 1) محافظت از مجموعه ای از کاربران مورد اعتماد از شرکت کنندگان و 2) محافظت از امتیاز اعتماد تعیین شده توسط شرکت کنندگان در مجموعه اعتماد. در این مقاله، ما یک چارچوب جدید برای محاسبه شهرت شخصی شخصی یک نهاد تجاری را با در نظر گرفتن امتیاز اعتماد از مجموعه ای از شرکت کنندگان قابل اعتماد ارائه می دهیم بدون افشای هویت شرکت کنندگان در مجموعه اعتماد و امتیاز اعتماد آنها. به این ترتیب، شرکت کنندگان، رمزگشایی نمرات اعتماد خود را برای نهاد کسب و کار را به هیئت مدیره عمومی غیر متمرکز و یا مرکز توزیع تقسیم می کنند. سپس این اعتبار رمزگذاری شده توسط درخواست کننده مورد استفاده قرار می گیرد تا امتیاز شهرت شخصی را از نهاد کسب و کار بدون محاسبه اطلاعات خصوصی شرکت کنندگان در سیستم محاسبه کند. ما خواص امنیتی و حفظ حریم خصوصی این طرح را برای مدل مخرب نژادپرستانه تحلیل کرده ایم. پروتکل یک پیچیدگی پیام خطی دارد، که ثابت می کند که سیستم را می توان در یک برنامه واقعی مستقر کرد که در آن چنین توصیه های شخصی ممکن است مورد نیاز باشد. علاوه بر این، سیستم تضمین صحیح، حفظ حریم خصوصی و امنیت اعتماد، نمرات شرکتکنندگان در مجموعه اعتماد شده در قالب مدل مشکوکی مخرب است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر شبکه های کامپیوتری و ارتباطات
پیش نمایش مقاله
یک سیستم اعتبارسنجی غیرمتمرکز و شخصیتی قابل اعتماد
چکیده انگلیسی
Reputation systems enable consumers to evaluate the trustworthiness of business entities (retailers, sellers) over the marketplace. In electronic marketplaces, the reputation of an business entity (retailer, seller) is computed by aggregating the “trust-scores” assigned to her by the parties who have had transactions with her. Most reputation systems designed for online marketplaces use all the available trust-scores to compute the reputation of business entity. However, in some scenarios, the consumer may wish to compute the reputation of a business entity by considering the trust-scores from a set of trustworthy participants, however, she does not want to disclose the identities of the users she trusts. There are two privacy protection challenges in the design of this kind of personalized reputation system: 1) protecting the set of trusted users of participants, and 2) protecting the trust-scores assigned by the participants in the trusted set. In this paper, we present a novel framework for computing the personalized global reputation of a business entity by considering the trust-scores from a set of trusted participants without disclosing identities of participants in the trusted set and their trust-scores. To this extent, the participants share cryptograms of their trust-scores for the business entity to the decentralized public bulletin board or tally center. These encrypted trust-scores are then used by the requester to compute the personalized reputation score of the business entity without leaking private information of participants in the system. We have analyzed the security and privacy properties of the scheme for the malicious adversarial model. The protocol has a linear message complexity, which proves that the system can be deployed in a real setup where such personalized recommendations may be required in practice. Furthermore, the system ensures correctness, privacy and security of trust-scores of participants in the trusted set under the malicious adversarial model.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Security - Volume 77, August 2018, Pages 514-530
نویسندگان
, , ,