In [19], user segments are construc

In [19], user segments are constructed by looking at popular actors and genres. For the results shown in Figure 25.4, the segment is all users who gave above
average ratings (4 or 5) to any three of the five selected horror movies, namely,
Alien, Psycho, The Shining, Jaws, and The Birds. For this set of five movies, the
researchers selected all combinations of three movies that had at least 50 users support, and chose 50 of those users randomly and averaged the results.
The power of the segmented attack is demonstrated in the figure, which contrasts
the horror movie fans against the set of all users. While the segmented attack shows
some impact against all users, it is clearly very successful in pushing the attacked
movie precisely to those users defined by the segment. Further, in the context of the
item-based algorithm, the performance of this attack compares very favourably to
that of the high-knowledge average attack. For example, the average attack achieved
a hit ratio of 30% against all users for top N lists of size 10 and an attack size of
10%. In contrast, the segmented attack achieved approximately the same hit ratio
for the same size top N list, but using an attack size of only 1%.


It should also be noted that, although designed specifically as an attack against
the item-based algorithm, the segment attack is also effective against the user-based
algorithm. Due to limitations of space, we do not show these results here – refer to
[20] for details.

ผลลัพธ์ (ไทย) 1:

[19], กลุ่มผู้ใช้ถูกสร้าง โดยนักแสดงยอดนิยมและประเภท ผลลัพธ์ที่แสดงในรูป 25.4 เซ็กเมนต์เป็นผู้ใช้ทุกคนให้อยู่เหนือการจัดอันดับเฉลี่ย (4 หรือ 5) จะมีสาม five ที่เลือกหนังสยองขวัญ ได้แก่คนต่างด้าว Psycho ส่องแสง ก็ และนก สำหรับชุดนี้ของ five ภาพยนตร์ การนักวิจัยเลือกชุดทั้งหมดของภาพยนตร์สามที่มีผู้ใช้น้อยกว่า 50 ที่สนับสนุน และเลือก 50 ผู้สุ่ม และ averaged ผลลัพธ์คือแสดงพลังของการโจมตีแบ่งเป็นส่วน ๆ ใน figure ซึ่งความแตกต่างแฟน ๆ ภาพยนตร์สยองขวัญกับชุดของผู้ใช้ทั้งหมด ขณะแสดงโจมตีแบ่งเป็นส่วน ๆผลกระทบบางอย่างจากผู้ใช้ทั้งหมด มันจะชัดเจนมากประสบความสำเร็จในการผลักดันการโจมตีอยู่ที่เสมอก็ภาพยนตร์ได้อย่างแม่นยำเพื่อ defined ผู้ใช้เหล่านั้นตามเซ็กเมนต์ เพิ่มเติม ในบริบทของการประสิทธิภาพของการโจมตีสินค้าตามอัลกอริทึม เปรียบเทียบมาก favourably กับที่ความรู้สูงเฉลี่ยโจมตี ตัวอย่าง การโจมตีเฉลี่ยที่ทำได้อัตราตี 30% กับผู้ใช้ทั้งหมดบน N รายชื่อขนาด 10 และขนาดการโจมตีของ10% ในทางตรงกันข้าม การโจมตีแบ่งเป็นส่วน ๆ ได้ประมาณการตีอัตราส่วนเดียวกับสำหรับรายการบน N ขนาดเดียวกัน ได้ใช้การโจมตีจำนวนเพียง 1%นอกจากนี้ควรสังเกตว่า แม้ว่าการออกแบบ specifically เป็นการโจมตีขั้นตอนวิธีใช้สินค้า โจมตีส่วนก็มีผลกับการผู้ใช้อัลกอริทึมการ เนื่องจากข้อจำกัดของพื้นที่ เราไม่แสดงเหล่านี้ส่งผล – หมายถึง[20] สำหรับรายละเอียด

ผลลัพธ์ (ไทย) 2:

ใน [19], กลุ่มผู้ใช้ถูกสร้างขึ้นโดยดูที่นักแสดงที่เป็นที่นิยมและประเภท เพื่อให้ได้ผลลัพธ์ที่แสดงในรูปที่ 25.4 ส่วนเป็นผู้ใช้ทั้งหมดที่ให้ไว้ข้างต้น
ให้คะแนนเฉลี่ย (4 หรือ 5) ใด ๆ สามสายได้เลือกภาพยนตร์สยองขวัญคือ
คนต่างด้าวโรคจิตส่องแสง, ขากรรไกรและนก สำหรับชุดของสายได้ดูหนังเรื่องนี้
นักวิจัยเลือกรวมกันทั้งหมดของสามภาพยนตร์ที่มีอย่างน้อย 50 สนับสนุนผู้ใช้และเลือก 50 ของผู้ใช้เหล่านั้นสุ่มและเฉลี่ยผล.
พลังของการโจมตีที่แบ่งกลุ่มจะแสดงให้เห็นใน Gure ไฟที่แตกต่าง
แฟนหนังสยองขวัญกับชุดของผู้ใช้ทั้งหมด ในขณะที่การโจมตีที่แบ่งกลุ่มแสดงให้เห็นถึง
ผลกระทบกับผู้ใช้ทุกคนบางส่วนก็เห็นได้ชัดว่าประสบความสำเร็จมากในการผลักดันการโจมตี
ภาพยนตร์อย่างแม่นยำเพื่อผู้ใช้นิยามตามส่วนงาน นอกจากนี้ในบริบทของ
อัลกอริทึมรายการตามประสิทธิภาพของการโจมตีครั้งนี้เปรียบเทียบมากในการ
ที่มีความรู้สูงเฉลี่ยการโจมตี ยกตัวอย่างเช่นการโจมตีเฉลี่ย
อัตราการตีที่ 30% เทียบกับผู้ใช้ทุกคนสำหรับรายการไม่มีข้อความด้านบนของขนาด 10 และขนาดของการโจมตี
10% ในทางตรงกันข้ามการโจมตีแบ่งประสบความสำเร็จประมาณอัตราการตีเดียวกัน
สำหรับขนาดเดียวกันรายการไม่มีข้อความด้านบน แต่ใช้ขนาดการโจมตีเพียง 1%. ก็ควรที่จะตั้งข้อสังเกตว่าแม้ว่าการออกแบบไฟ speci ถอนรากถอนโคนเป็นโจมตีอัลกอริทึมรายการตามที่ การโจมตีส่วนที่ยังเป็นที่มีประสิทธิภาพต่อการใช้งานตามขั้นตอนวิธี เนื่องจากข้อ จำกัด ของพื้นที่ที่เราจะไม่แสดงผลลัพธ์เหล่านี้ที่นี่ - อ้างถึง[20] สำหรับรายละเอียด

ผลลัพธ์ (ไทย) 3:

[ 19 ] , กลุ่มผู้ใช้จะถูกสร้างขึ้นโดยดูที่นักแสดงและประเภทที่นิยม เพื่อผลลัพธ์ที่แสดงในรูปที่ 25.4 , ส่วนทั้งหมดเป็นผู้ใช้ที่ให้ข้างบน
เรตติ้งเฉลี่ย ( 4 หรือ 5 ) ใด ๆ ทั้งสามจึงได้คัดสรรหนังสยองขวัญ คือ
คนต่างด้าว , โรคจิต , ส่องแสง , ขากรรไกร และนก สำหรับชุดของภาพยนตร์จึงได้นี้
นักวิจัยเลือกชุดค่าผสมของหนังสามที่สนับสนุนอย่างน้อย 50 คน และสุ่มเลือก 50 ของผู้ใช้เหล่านั้นและเฉลี่ยผล .
พลังโจมตีของส่วนแสดงให้เห็นในจึง gure ซึ่งความแตกต่าง
แฟนหนังสยองขวัญกับการตั้งค่าของผู้ใช้ทั้งหมด ในขณะที่การโจมตีแบ่งส่วนแสดง
ผลกระทบบางอย่างกับผู้ใช้ทั้งหมดมันเป็นอย่างชัดเจนที่ประสบความสำเร็จมากในการผลักดันโจมตี
หนังว่าผู้ใช้ de จึงเน็ดโดยส่วน นอกจากนี้ในบริบทของ
รายการขั้นตอนวิธีพื้นฐาน , ประสิทธิภาพของการโจมตีนี้โดยมากชื่นชอบ

ของความรู้สูง มีการโจมตี ตัวอย่างเช่น การโจมตีเฉลี่ยความ
ตีอัตรา 30% กับผู้ใช้ทั้งหมดสำหรับสุดยอด N รายชื่อขนาด 10 และการโจมตีขนาด
10 %ในทางตรงกันข้ามการโจมตีแบ่งได้ประมาณตี 1
n รายการด้านบนขนาดเดียวกัน แต่ใช้โจมตีขนาดเพียง 1 %


มันก็ควรจะตั้งข้อสังเกตว่า แม้ว่าการออกแบบ speci จึงคอลลี่เป็นโจมตี
รายการขั้นตอนวิธีพื้นฐาน , ส่วนโจมตีมีผลกับ ผู้ใช้
อัลกอริทึมที่ใช้ เนื่องจากข้อ จำกัด ของพื้นที่เราไม่แสดงผลครับ ( อ้างอิง
[ ]
20 รายละเอียด