هیچ محصولی در سبد خرید نیست.
ارزیابی اعتماد در شبکه های اجتماعی آنلاین (OSNs) با ایجاد گراف های قابل اعتماد (GTG)
دانلود ترجمه مقاله ساخت گراف های قابل اعتماد جهت ارزیابی اعتماد در شبکه های اجتماعی آنلاین
23,500 تومانشناسه فایل: 9887
- حجم فایل ورد: 462.9KB حجم پی‌دی‌اف: 649KB
- فرمت: فایل Word قابل ویرایش و پرینت (DOCx)
- تعداد صفحات فارسی: 32 انگلیسی: 11
- دانشگاه:
- Department of Computer and Information Sciences, Temple University, Philadelphia, PA 19122, USA
- School of Information Science and Engineering, Central South University, Changsha, Hunan Province 410083, PR China
- ژورنال: Future Generation Computer Systems (3)
نشانگر دیجیتالی شیء:
DOI: 10.1016/j.future.2012.06.010
« متن زیر تنها بخش هایی از محتوای این پروژه است »
چکیده
ما یک چارچوب اعتماد جدید جهت شرح این مسئله که آیا آلیس میتواند در یک سرویس در شبکه های اجتماعی آنلاین بزرگ (OSNs) به باب اعتماد کند یا نه پیشنهاد میدهیم. مدل های زیادی برای ساخت و محاسبه اعتماد پیشنهاد شده اند. با این وجود، دو ضعف عمده منجر شده است که قابلیت استفاده کمی بویژه در OSNs های بزرگ داشته باشند: اطلاعاتی که برای ایجاد اعتماد استفاده می شود معمولا دارای پیچیدگی زیادی در نگهداری هستند که در نتیجه منجر به مصرف منبع می شود. همچنین اغلب به صورت ذهنی بوده و قابل تغییر هستند و عیب دیگر آنها این است که در برابر تهدیدات بسیار آسیب پذیر هستند. با در نظر گرفتن این مشکلات، ما روی تولید گراف های قابل اعتماد کوچک برای OSN های بزرگ تمرکز کرده ایم که میتوانند برای کاراتر و عملی تر ساختن الگوریتم های ارزیابی اعتماد سابق مورد استفاده قرار گیرند. در این مقاله چگونگی پیش پردازش شبکه اجتماعی (PSN) را با توسعه یک الگوریتم کشف زنجیره ی آشنایی قابل اعتماد مبتنی بر دامنه کاربر با استفاده از مشخصه های شبکه دنیای کوچک شبکه های اجتماعی آنلاین و بهره مندی از اتصالات ضعیف نشان خواهیم داد. سپس، چگونگی ساخت یک شبکه قابل اعتماد (BTN) و تولید گراف قابل اعتماد (GTG) را با استفاده از الگوریتم های جستجوی ردیفی نشان خواهیم داد. برای ارزیابی تاثیربخشی روش پیشنهادی مان و همچنین ارزیابی کیفیت گراف قابل اعتماد تولید شده، ما آزمایشات زیادی را با مجموعه داده واقعی از وب سایت Epinions.com انجام می دهیم. روش پیشنهادی ما اولین روشی است که روی تولید گراف های قابل اعتماد کوچک برای شبکه های اجتماعی آنلاین بزرگ تمرکز دارد و به بررسی اطلاعات پایدار و عینی (مانند دامنه) برای استنباط اعتماد خواهیم پرداخت.
مقدمه مقاله
میلیون ها نفر روزانه در حال پیوستن به شبکه های اجتماعی آنلاین هستند و تعداد بسیار زیاد دیگری که قبلا در شبکه های اجتماعی نبودند را نیز دعوت به پیوستن به این شبکه ها می کنند. ایجاد اعتماد بین این افراد نقش بسیار کلیدی در بهبود کیفیت سرویس های شبکه های اجتماعی و تاکید بر امنیت آنها ایفا میکند. یک راه برای کشف یک سیستم، رکورد و اطلاعات خام دیگر، ایجاد قابلیت اعتماد و استفاده از اعتماد کاربر برای تاثیر گذاری روی رفتار سایر کاربران است که نشانگر یک سیستم مبتنی بر قابلیت اعتماد و اعتبار است.(1). سیستم های قابل اعتماد و اعتبار مانند مکانیزم های امنیت نرم، که از روش های همکاری برای ارزیابی رفتار اعضا در شبکه های احتماعی استفاده می کنند، این امکان را فراهم می سازند تا بتوان افرادی که هنجارها را رعایت نمی کنند شناسایی کرده و برای افرادی که هنجارها را رعایت میکنند جوایزی در نظر گرفت.(2). برای حل نقاط ضعف بیان شده در سیستم های قابل اعتماد گذشته بویژه در OSNs های بزرگ که در آن اطلاعات برای ساخت اعتماد استفاده می شد و همچنین نگهداری از آن بسیار مشکل بود و از سوی دیگر اطلاعات در آن به صورت بصری بوده و قابل تغییر بود و همچنین در برابر گره های مخرب آسیب پذیر بود، یک روش جدید پیشنهاد می شود. با وجود این مشکلات، ما بر روی ساخت یک گراف قابل اعتماد کوچک بر روی OSNs های بزرگ تمرکز کردیم که امکان پیاده سازی بر روی الگوریتم های ارزیابی قابل اعتماد گذشته را دارد و منجر به کاراتر شدن و قابل استفاده شدن آنها می شود و در برابر حملات مخرب مقاوم است.
ABSTRACT Generating trusted graphs for trust evaluation in online social networks
We propose a novel trust framework to address the issue of “Can Alice trust Bob on a service?” in large online social networks (OSNs). Many models have been proposed for constructing and calculating trust. However, two common shortcomings make them less practical, especially in large OSNs: the information used to construct trust is (1) usually too complicated to get or maintain, that is, it is resource consuming; and (2) usually subjective and changeable, which makes it vulnerable to vicious nodes. With those problems in mind, we focus on generating small trusted graphs for large OSNs, which can be used to make previous trust evaluation algorithms more efficient and practical. We show how to preprocess a social network (PSN) by developing a simple and practical user-domain-based trusted acquaintance chain discovery algorithm through using the small-world network characteristics of online social networks and taking advantage of “weak ties”. Then, we present how to build a trust network (BTN) and generate a trusted graph (GTG) with the adjustable width breadth-first search algorithms. To validate the effectiveness of our work and to evaluate the quality of the generated trusted graph, we conduct many experiments with the real data set from Epinions.com. Our work is the first that focuses on generating small trusted graphs for large online social networks, and we explore the stable and objective information (such as domain) for inferring trust
Introduction
Millions of people are joining online social networks every day, interacting with others who they did not know before. Establishing trust among those indirectly connected users plays a vital role in improving the quality of social network services and enforcing the security for them. The way in which a system discovers, records, and utilizes reputation information to form trust, and uses trust to influence a user’s behavior, is referred to as a ‘‘reputation and trust-based system’’ [1]. Reputation and trust systems are seen as ‘‘soft security’’ mechanisms, which use collaborative methods for assessing the behavior of members in the community against the ethical norms, making it possible to identify and sanction those participants who breach the norms, and to recognize and reward members who adhere to the norms [2]. Two common shortcomings make previous trust systems less practical, especially in large OSNs, that is, the information used to construct trust is (1) usually too complicated to get or maintain—it is resource consuming; and (2) usually subjective and changeable, which makes it vulnerable to vicious nodes. With those problems in mind, we focus on generating small trusted graphs for large OSNs, which can be used to make previous trust evaluation algorithms more efficient and practical, as well as resistant to vicious attacks.
این فقط قسمتی از متن مقاله است . جهت دریافت کل متن مقاله ، آن را خریداری نمایید.
دسته: مهندسی فناوری اطلاعات
6کلمات کلیدی:
- مقاله درمورد ارزیابی اعتماد در شبکه های اجتماعی آنلاین (OSNs) با ایجاد گراف های قابل اعتماد (GTG)
- پروژه دانشجویی ارزیابی اعتماد در شبکه های اجتماعی آنلاین (OSNs) با ایجاد گراف های قابل اعتماد (GTG)
- اعتماد در شبکه اجتماعی آنلاین با ایجاد نمودار قابل اعتماد
- پایان نامه در مورد ارزیابی اعتماد در شبکه های اجتماعی آنلاین (OSNs) با ایجاد گراف های قابل اعتماد (GTG)
- تحقیق درباره ارزیابی اعتماد در شبکه های اجتماعی آنلاین (OSNs) با ایجاد گراف های قابل اعتماد (GTG)
- مقاله دانشجویی ارزیابی اعتماد در شبکه های اجتماعی آنلاین (OSNs) با ایجاد گراف های قابل اعتماد (GTG)
- ارزیابی اعتماد در شبکه های اجتماعی آنلاین (OSNs) با ایجاد گراف های قابل اعتماد (GTG) در قالب پايان‌نامه
- پروپوزال در مورد ارزیابی اعتماد در شبکه های اجتماعی آنلاین (OSNs) با ایجاد گراف های قابل اعتماد (GTG)
- گزارش سمینار در مورد ارزیابی اعتماد در شبکه های اجتماعی آنلاین (OSNs) با ایجاد گراف های قابل اعتماد (GTG)
- گزارش کارورزی درباره ارزیابی اعتماد در شبکه های اجتماعی آنلاین (OSNs) با ایجاد گراف های قابل اعتماد (GTG)