25.5.3.2 Detecting attacks using Pr

25.5.3.2 Detecting attacks using Profile Clustering

In [18] the observation is made that attacks consist of multiple profiles which are
highly correlated with each other, as well as having high similarity with a large
number of authentic profiles. This insight motivates the development of a clustering
approach to attack detection, using Probabilistic Latent Semantic Analysis (PLSA)
and Principal Component Analysis (PCA).
In the PLSA model [11], an unobserved factor variable Z = {z1, . . . zk} is associated with each observation. In the context of collaborative recommendation, an
observation corresponds to a rating for some user-item pair and ratings are predicted

ผลลัพธ์ (ไทย) 1:

25.5.3.2 ตรวจหาการโจมตีที่ใช้คลัสเตอร์ Profile[18] สังเกตที่จะทำให้โจมตีประกอบด้วย profiles หลายที่สูง correlated กัน เช่นมีความคล้ายคลึงกันสูง มีขนาดใหญ่จำนวน profiles แท้ ความเข้าใจนี้แรงบันดาลใจพัฒนาเป็นคลัสเตอร์วิธีการโจมตีตรวจ ใช้ Probabilistic แฝงอยู่ทางตรรกวิเคราะห์ (PLSA)และ วิเคราะห์ส่วนประกอบหลัก (PCA)ใน PLSA รุ่น [11], ตัวแปรปัจจัย unobserved Z = { z1,... zk } เกี่ยวข้องกับการสังเกตแต่ละครั้ง ในบริบทของคำแนะนำร่วมกัน การการสังเกตที่สอดคล้องกับการจัดอันดับสำหรับบางคู่ผู้ใช้สินค้า และมีการคาดการณ์การจัดอันดับ

ผลลัพธ์ (ไทย) 2:

25.5.3.2 ตรวจจับการโจมตีโดยใช้โปรไฟเลอ Clustering ใน [18] สังเกตที่ทำว่าการโจมตีประกอบด้วยหลายโปรไฟ les ซึ่งมีความสัมพันธ์อย่างมากกับแต่ละอื่น ๆ รวมทั้งมีความคล้ายคลึงกันสูงที่มีขนาดใหญ่จำนวนแท้โปรไฟ les ความเข้าใจนี้กระตุ้นการพัฒนาของการจัดกลุ่มวิธีการที่จะโจมตีการตรวจสอบโดยใช้การวิเคราะห์ความน่าจะเป็นความหมายแฝง (PLSA) และวิเคราะห์องค์ประกอบหลัก (PCA). ในรูปแบบ PLSA [11] เป็นปัจจัยสังเกตตัวแปร Z = {z1, . . zk} มีความเกี่ยวข้องกับการสังเกตแต่ละ ในบริบทของคำแนะนำการทำงานร่วมกัน, การสังเกตสอดคล้องกับคะแนนสำหรับคู่ใช้บางรายการและการให้คะแนนที่คาดว่า

ผลลัพธ์ (ไทย) 3:

25.5.3.2 การตรวจจับการโจมตีใช้ Pro จึงเลอการจัดกลุ่ม

[ 18 ] การสังเกตจะทำให้การโจมตีนั้นประกอบด้วยหลาย Pro จึงเลสซึ่ง
ระดับสูงกับแต่ละอื่น ๆ รวมทั้งมีความคล้ายคลึงกันสูงกับจำนวนมาก
ของจริง Pro จึงเลส ความเข้าใจนี้กระตุ้นการพัฒนาคลัสเตอร์
วิธีการโจมตีตรวจจับโดยใช้การแฝงความหมายการวิเคราะห์ ( plsa )
และการวิเคราะห์องค์ประกอบหลัก ( PCA ) .
ใน plsa แบบ [ 11 ] , unobserved ปัจจัยตัวแปร { Z1 Z = , . . . . . . . . นิวซีแลนด์ } เกี่ยวข้องกับแต่ละสังเกต ในบริบทของข้อเสนอแนะร่วมกัน ,
สังเกตสอดคล้องกับอันดับเครดิตของผู้ใช้บางคู่จะทำนาย