Çoklu-kriterli öneri sistemlerinin güçlü kullanıcı saldırılarına karşı gürbüzlük analizi

Öneri sistemleri kullanıcılara geçmişte yapmış oldukları beğeni geri bildirimlerini kullanarak yeni ürün/hizmet tahminleri sunmaktadır. Çoklu-kriterli öneri sistemleri kullanıcı değerlendirmelerini birden fazla kategoride toplayarak daha kişiselleştirilmiş öneriler sunmayı hedeflemektedir. Öneri sistemlerine karşı gerçekleştirilen saldırılardan olan şilin atak, sisteme sahte kullanıcı profilleri ekleyerek yapılmaktadır. Şilin saldırı türlerinden olan güçlü kullanıcı saldırısında belirlenen güçlü kullanıcılar üretilen tahminleri manipüle edecek şekilde sistemde kopyalanır. Bu saldırıların geleneksel öneri sistemlerinde etkili olduğu yapılan çalışmalarca gösterilmiştir. Ancak, çoklu-kriterli öneri sistemi yaklaşımlarının bu saldırılara karşı gürbüzlüğü gösterilmemiştir. Bu tez kapsamında güçlü kullanıcı saldırılarının çoklu-kriterli ortama nasıl uyarlanacağı ve öncü çoklu-kriterli öneri sistemi tekniklerinin güçlü kullanıcı saldırılarına karşı gürbüzlükleri analiz edilmiştir. Gerçek veri setleri üzerinde gerçekleştirilen deneysel çalışmalarda çoklu-kriterli öneri sistemi tekniklerinin saldırı yapılmadan öncesi ve sonrası ürettikleri tahminler arasındaki değişim literatürdeki tahmin değişimi metriği ile gösterilmiştir. Bu metriğin yanı sıra literatüre yeni kazandırılacak olan iki yeni metrikle de analiz edilmiştir. Öneri sistemlerinin, güçlü kullanıcı belirleme yöntemlerinin ve kriterlerin saldırı üzerindeki etkileri anova ve Kruskal-Wallis istatistiksel yöntemleri ile analiz edilmiştir.