Clustering is performed using the M

Clustering is performed using the Macnaughton-Smith [13] divisive clustering
algorithm. The rating distributions for the active item over each of the clusters are
then compared. Since the goal of an attacker is to force the predicted ratings of
targeted items to a particular value, it is reasonable to expect that the ratings for
targeted items that are contained in any attack profiles are centered on the attack
value, which is likely to deviate significantly from the mean of the authentic neighbours’ ratings. Thus an attack is deemed to have taken place if the difference in the
means for the two clusters is sufficiently large. The cluster with the smaller standard
deviation is determined to be the attack cluster.
Results for this algorithm (using precision and NPV ) applied to an informed
nuke attack on the Movielens dataset are reproduced in Figure 25.9. The fraction of
authentic users contained in the cluster identified as the cluster of authentic users
is at least 75% for all attack sizes tested, so attack profiles are being effectively
filtered from the system. However, particularly for small attack sizes, a significant
proportion of the attack cluster is made up of authentic users. The cost of removing
malicious profiles is to also lose authentic profiles that may have contributed to the
accuracy of the prediction. Results show that filtering a system that has not been
attacked leads to an increase of around 10% in the MAE.

ผลลัพธ์ (ไทย) 1:

คลัสเตอร์ดำเนินการโดยใช้การ Macnaughton-สมิธ [13] divisive คลัสเตอร์อัลกอริทึมการ การกระจายการจัดอันดับสำหรับสินค้าใช้งานมากกว่าแต่ละคลัสเตอร์มีเปรียบเทียบแล้ว เนื่องจากเป้าหมายของการโจมตีจะแรงจัดอันดับคาดการณ์ของรายการเป้าหมายเป็นค่าเฉพาะ จะเหมาะสมที่จะคาดว่าการจัดอันดับสำหรับสินค้าที่มีอยู่ใน profiles ใด ๆ โจมตีเป้าหมายเป็นศูนย์กลางในการโจมตีค่า ซึ่งเป็นแนวโน้มที่จะเบี่ยงเบนจากค่าเฉลี่ยของการจัดอันดับของเพื่อนแท้ significantly จึง จะถือว่าการโจมตีเกิดขึ้นถ้าความแตกต่างในการในกลุ่มสองเป็น sufficiently ใหญ่ คลัสเตอร์ขนาดเล็กมาตรฐานความเบี่ยงเบนจะถูกกำหนดเป็น คลัสเตอร์โจมตีผลลัพธ์ (ใช้ความแม่นยำและ NPV) อัลกอริทึมนี้ใช้กับการทราบโจมตีนรก Movielens ชุดข้อมูลที่ทำซ้ำในรูป 25.9 เศษส่วนของผู้ใช้ที่แท้จริงอยู่ใน identified คลัสเตอร์เป็นคลัสเตอร์ของผู้ใช้ที่แท้จริงเป็นอย่างน้อย 75% สำหรับขนาดการโจมตีทั้งหมดที่ทดสอบ profiles โจมตีได้อย่างมีประสิทธิภาพfiltered จากระบบ อย่างไรก็ตาม โดยเฉพาะอย่างยิ่งสำหรับขนาดเล็กโจมตี significant การสัดส่วนของคลัสเตอร์โจมตีถูกสร้างขึ้นจากผู้ใช้จริง ต้นทุนของการเอาprofiles ที่เป็นอันตรายคือการ สูญเสีย profiles อาหารที่อาจมีส่วนความแม่นยำของคำทำนาย แสดงผล filtering ที่เป็นระบบที่ไม่ได้ลูกค้าเป้าหมายที่โจมตีอยู่เสมอก็จะเพิ่มขึ้นประมาณ 10% ในแม่แบบ

ผลลัพธ์ (ไทย) 2:

การจัดกลุ่มจะดำเนินการใช้ Macnaughton สมิ ธ [13] การจัดกลุ่มแบ่ง
ขั้นตอนวิธี การแจกแจงคะแนนสำหรับรายการที่ใช้งานแต่ละกลุ่มที่มีการ
เปรียบเทียบแล้ว เนื่องจากเป้าหมายของการโจมตีคือการบังคับให้คะแนนที่คาดการณ์ไว้ใน
รายการที่กำหนดเป้าหมายค่าโดยเฉพาะก็มีเหตุผลที่จะคาดหวังว่าการจัดอันดับสำหรับ
รายการที่กำหนดเป้าหมายที่มีอยู่ในการโจมตีโปรไฟ les ใด ๆ ที่เป็นศูนย์กลางในการโจมตี
ค่าซึ่งมีแนวโน้มที่จะเบี่ยงเบน อย่างมีนัยสำคัญจากค่าเฉลี่ยของการจัดอันดับเพื่อนบ้านแท้ ' ดังนั้นการโจมตีจะถือว่ามีเกิดขึ้นถ้าความแตกต่างใน
วิธีการสำหรับสองกลุ่มคือ SUF ไฟขนาดใหญ่ ciently กลุ่มที่มีมาตรฐานมีขนาดเล็ก
ส่วนเบี่ยงเบนมุ่งมั่นที่จะเป็นกลุ่มการโจมตี.
ผลการค้นหาสำหรับขั้นตอนวิธีนี้ (โดยใช้ความแม่นยำและ NPV) นำไปใช้แจ้ง
การโจมตีอาวุธนิวเคลียร์ในชุดข้อมูลที่ Movielens จะทำซ้ำในรูปที่ 25.9 ส่วนของ
ผู้ใช้ของแท้ที่มีอยู่ในกลุ่มเอ็ดสายระบุว่าเป็นกลุ่มของผู้ใช้งานจริง
เป็นอย่างน้อย 75% สำหรับทุกขนาดโจมตีการทดสอบเพื่อโจมตีโปรไฟ les มีการได้อย่างมีประสิทธิภาพ
Fi ltered จากระบบ แต่โดยเฉพาะอย่างยิ่งสำหรับขนาดการโจมตีขนาดเล็กมีนัยสำคัญลาดเท
สัดส่วนของกลุ่มการโจมตีถูกสร้างขึ้นจากผู้ใช้ของแท้ ค่าใช้จ่ายของการถอด
สายอาชีพที่เป็นอันตราย les คือการยังสูญเสียไฟโปรแท้ les ที่อาจมีส่วนร่วมใน
ความถูกต้องของการคาดการณ์ ผลปรากฏว่าสาย ltering ระบบที่ไม่ได้รับการ
โจมตีนำไปสู่การเพิ่มขึ้นประมาณ 10% ในแม่

ผลลัพธ์ (ไทย) 3:

สามารถจะดำเนินการโดยใช้ MacNaughton สมิธ [ 13 ] แบ่งการจัดกลุ่ม
ขั้นตอนวิธี การจัดอันดับการแจกแจงสำหรับรายการที่ใช้งานอยู่ แต่ละกลุ่มมี
แล้วเปรียบเทียบ เนื่องจากเป้าหมายของคนร้ายคือการบังคับคาดการณ์คะแนนของ
รายการเป้าหมายให้เฉพาะค่า มันมีเหตุผลที่จะคาดหวังว่าเรตติ้ง
เป้าหมายรายการที่มีอยู่ในการโจมตีเลโปรจึงเป็นศูนย์กลางในค่าโจมตี
ซึ่งมีแนวโน้มที่จะเบี่ยงเบนจากค่าเฉลี่ยของ signi จึงลดลงอย่างมีนัยสําคัญเมื่อจัดอันดับเพื่อนบ้าน ' ของแท้ ดังนั้นการโจมตีจะถือว่าได้เกิดขึ้นถ้าความแตกต่างในทั้งสองกลุ่มคือ
หมายความว่าซุฟจึง ciently ขนาดใหญ่ กลุ่มที่มีขนาดเล็กส่วนเบี่ยงเบนมาตรฐาน
ว่าจะเป็น
โจมตีกลุ่มผลการค้นหาสำหรับขั้นตอนวิธีนี้ ( โดยใช้ความแม่นยําและมูลค่าปัจจุบันสุทธิ ( NPV ) ใช้เพื่อแจ้ง
Nuke โจมตีใน movielens DataSet จะทำซ้ำในรูปธุรกิจ . ส่วนของ
ผู้ใช้จริงที่มีอยู่ในกลุ่ม identi จึงเอ็ดที่กลุ่มของผู้ใช้จริง
อย่างน้อย 75% สำหรับการโจมตีขนาดทดลองเพื่อโจมตี Pro จึงเล การอย่างมีประสิทธิภาพ
จึง ltered จากระบบ อย่างไรก็ตามโดยเฉพาะอย่างยิ่งสำหรับขนาดโจมตีขนาดเล็ก จึงไม่สามารถ signi
สัดส่วนของการโจมตีกลุ่มถูกสร้างขึ้นจากผู้ใช้จริง ค่าใช้จ่ายของการลบ
เป็นอันตราย Pro คือยังแพ้จริงจึงเลสโปรจึงเล ที่สนับสนุน
ความแม่นยำของคำทำนาย ผล ltering จึงเป็นระบบที่ยังไม่ได้รับ
โจมตีนำไปสู่การเพิ่มขึ้นประมาณ 10 % ในแม่