Bölünmüş veri-tabanlı gizliliği koruyan ortak filtreleme sistemlerinde gizli verinin elde edilmesi

Abstract

Ortak filtreleme algoritmalarının doğru ve güvenilir öneriler üretebilmesi için yeterli veriye ihtiyaç vardır. Bu nedenle yetersiz veriye sahip iki elektronik alışveriş sitesi gizliliklerini ihlal etmeden aralarındaki bölünmüş veriden öneriler sunmak isteyebilir. Bu amaçla gizliliği koruyan ortak filtreleme sistemleri geliştirilmiştir. Gizlilik-tabanlı ortak filtreleme sistemlerine karşı ataklar yapılarak gizli veri elde edilebilir. Bu çalışmada yatay ve dikey bölünmüş veri temelli gizliliği koruyan ortak filtreleme sistemlerine karşı atak senaryoları tasarlanıp ne kadar gizli veri elde edilebileceği gösterilmiştir. Ayrıca sistem hakkındaki ilave bilginin gizli veri elde etmeye katkısı çalışılmıştır. Gerçek verilerle yapılan deneyler bazı durumlarda gizli verinin önemli oranda elde edilebileceğini göstermiştir. Fakat ilave bilgi olmadan ve verinin yoğun olduğu durumlarda başarının çok düştüğü gözlenmiştir.

Collaborative filtering algorithms need enough data to provide accurate and reliable predictions. Hence, two e-commerce sites holding insufficient data may want to provide predictions on their partitioned data with privacy. Different privacy-preserving collaborative filtering systems have been proposed for this purpose. Some attacks can be employed against such systems to derive confidential data. In this paper, attack scenarios are designed against horizontally and vertically partitioned data-based collaborative filtering with privacy schemes to show how much data can be derived. Also, how additional knowledge about the system helps data reconstruction is studied. Empirical outcomes on real data sets show that it is possible to derive high amount of private data in some cases. However, when there is no additional information and data is dense, data reconstruction success becomes very low.