Trust Shilling Attack Detection and Personalized Recommendation
연구 내용
추천 시스템에서 trust shilling attack을 정의하고 행동 특징 기반 기계학습 탐지와 함께, 사용자 개인화 특성을 반영한 협업 필터링 추천을 수행하는 연구
추천 시스템에서는 rating 조작 중심의 shilling attack 탐지가 주로 다뤄졌지만, 공격자가 사용자 간 신뢰(trust) 행동을 함께 조작하는 경우가 있습니다. 본 연구는 trust shilling attack을 구체화하고, 신뢰 조작의 행동 특징을 설계하여 기계학습 기반 탐지 문제로 정식화합니다. 또한 사용자 개인화 특성을 반영하기 위해 user-based 협업 필터링 행렬과 사용자 맞춤 선호 행렬을 융합하는 방법을 제안합니다. 이를 통해 추천 정확도와 개인화 반영도를 동시에 높이는 방향의 연구를 수행합니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기 연구는 추천 시스템 보안 관점에서 공격이 rating뿐 아니라 trust 행동으로도 확장될 수 있음을 전제로, trust shilling attack의 정의와 관찰 가능한 행동 특징을 정리했습니다. 이후 해당 특징을 학습 기반 분류로 연결하여 전통적 공격 탐지와의 차이를 실험으로 검증하는 흐름으로 진행되었습니다. 병행하여 여행 추천 문제에서는 개인화 특성이 결여된 협업 필터링의 한계를 분석하고, 협업 융합 행렬을 구성해 사용자 특성을 반영하는 추천 알고리즘으로 연구를 확장했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Detection of Trust Shilling Attacks in Recommender Systems
A Travel Recommendation Method Based on User Personalized Characteristics with Collaborative Fusion Matrix