A METHOD OF COMPUTER SIMULATION MODELING OF USER AND BOT BEHAVIOR IN A RECOMMENDATION SYSTEM USING THE GRAPH DATABASE NEO4J
| Autor: | Viktor Bosko, Mykola Yakymenko, Yelyzaveta Meleshko |
|---|---|
| Jazyk: | angličtina |
| Rok vydání: | 2021 |
| Předmět: |
social networks
databases Computer science социальные сети рекомендаційні системи программное моделирование bot network мережа ботів веб-сайти атаки инъекцией профилей TA177.4-185 Recommender system computer.software_genre имитационное моделирование програмне моделювання сеть ботов сложные сети Robustness (computer science) social graph Collaborative filtering profile-injection attacks simulation modeling соціальний граф computer modeling Structure (mathematical logic) Social graph Graph database recommendation systems базы данных Graph theory социальный граф complex networks Complex network рекомендательные системы імітаційне моделювання соціальні мережі websites складні мережі Engineering economy Data mining веб-сайты бази даних computer атаки ін’єкцією профілів |
| Zdroj: | Сучасний стан наукових досліджень та технологій в промисловості, Iss 3 (17) (2021) Innovative Technologies and Scientific Solutions for Industries; No. 3 (17) (2021): Innovative Technologies and Scientific Solutions for Industries; 23-31 Современное состояние научных исследований и технологий в промышленности; № 3 (17) (2021): Современное состояние научных исследований и технологий в промышленности; 23-31 Сучасний стан наукових досліджень та технологій в промисловості; № 3 (17) (2021): Сучасний стан наукових досліджень та технологій в промисловості; 23-31 |
| ISSN: | 2524-2296 2522-9818 |
| Popis: | The subject matter of the article is the process of computer simulation modeling of complex networks. The goal is to develop a method of computer simulation modeling of ordinary user and bot behavior in a recommendation system based on the theory of complex networks to test the accuracy and robustness of various algorithms for generating recommendations. The tasks to be solved are: to develop a computer simulation model of user and bot behavior in a recommendation system with the ability to generate datasets for testing recommendation generation algorithms. The methods used are: graph theory, theory of complex networks, statistics theory, probability theory, methods of object-oriented programming and methods of working with graph databases. Results. A method of computer simulation modeling of users and objects in a recommender system was proposed, which consists of generating the structure of the social graph of a recommender system and simulating user and bot behavior in it. A series of experiments to test the performance of the developed computer simulation model was carried out. During the experiments, working and testing datasets were generated. Based on the working datasets, the preferences of users by the method of collaborative filtering were predicted. Based on testing datasets, the accuracy of prediction predictions was checked. The results of the experiments showed that the jitter of the investigated values of the Precision, Recall and RMSE of prediction predictions in most practical cases confidently fits within the allowable fluctuation limits, and therefore the users' behavior in computer simulation model was not random and it real users' behavior with certain preferences was simulated. This confirms the reliability of the developed computer simulation model of a recommendation system. Conclusions. A method of computer simulation modeling of user and bot behavior in a recommendation system, which allows generating datasets for testing the algorithms for generating recommendations, was proposed. The developed method makes it possible to simulate the behavior of both ordinary users and bots, which makes it possible to create datasets for testing the robustness of recommender systems to information attacks, as well as for testing the effectiveness of methods for detecting and neutralizing botnets. The structure of relations between users and objects of the recommender system was modeled using the theory of complex networks. Information attacks of bots were modeled on the basis of known models of profile-injection attacks on recommender systems. Объектом исследования является процесс программного имитационного моделирования сложных сетей. Целью данной работы является разработка метода программного имитационного моделирования поведения обычных пользователей и ботов в рекомендательной системе на основе теории сложных сетей для возможности тестирования точности и стойкости различных алгоритмов формирования рекомендаций. Задача: разработать программную имитационную модель поведения пользователей и ботов в рекомендательной системе с возможностью генерации наборов данных для тестирования алгоритмов формирования рекомендаций. Методы исследования: теория графов, теория сложных сетей, теория статистики, теория вероятностей, методы объектно-ориентированного программирования и методы работы с графовыми базами данных. Результаты. Предложен метод программного имитационного моделирования пользователей и объектов рекомендательной системы, состоящей из генерации структуры социального графа рекомендательной системы и симуляции поведения пользователей и ботов в ней. Была проведена серия экспериментов для проверки работоспособности разработанной программной имитационной модели. В ходе экспериментов было сгенерировано множество рабочих и тестовых наборов данных. На основе рабочей выборки осуществлялось прогнозирование предпочтений пользователей методом коллаборативной фильтрации. На основе тестовой выборки проверялась точность прогнозирования предпочтений. Результаты проведенных экспериментов показали, что джиттер исследуемых значений точности, полноты и RMSE прогнозирования предпочтений в большинстве практических случаев уверенно укладывается в допустимые пределы колебаний, а следовательно поведение пользователей в программной модели не было случайным, а имитировало поведение реальных пользователей с определенными предпочтениями. Это подтверждает достоверность разработанной программной имитационной модели рекомендательной системы. Выводы. Предложен метод программного имитационного моделирования пользователей в рекомендательной системе, позволяющий генерировать наборы данных для тестирования алгоритмов формирования рекомендаций. Разработанный метод позволяет моделировать поведение как обычных пользователей, так и ботов, что дает возможность создавать наборы данных для тестирования стойкости рекомендательных систем к информационным атакам, а также для тестирования эффективности методов выявления и нейтрализации бот-сетей. Структура связей между пользователями и объектами рекомендательной системы моделировалась с помощью теории сложных сетей. Информационные атаки ботов моделировались на основе известных моделей атак инъекцией профилей на рекомендательные системы. Об’єктом дослідження є процес програмного імітаційного моделювання складних мереж. Метою даної роботи є розробка методу програмного імітаційного моделювання поведінки звичайних користувачів та ботів у рекомендаційній системі на основі теорії складних мереж для можливості тестування точності та стійкості різних алгоритмів формування рекомендацій. Задача: розробити програмну імітаційну модель поведінки користувачів та ботів у рекомендаційній системі з можливістю генерації наборів даних для тестування алгоритмів формування рекомендацій. Методи дослідження: теорія графів, теорія складних мереж, теорія статистики, теорія ймовірностей, методи об’єктно-орієнтованого програмування та методи роботи з графовими базами даних. Результати. Запропоновано метод програмного імітаційного моделювання користувачів та об’єктів рекомендаційної системи, що складається з генерації структури соціального графу рекомендаційної системи та симуляції поведінки користувачів і ботів у ній. Було проведено серію експериментів для перевірки працездатності розробленої програмної імітаційної моделі. У ході експериментів було згенеровано множину робочих та тестових наборів даних. На основі робочої вибірки здійснювалося прогнозування вподобань користувачів методом колаборативної фільтрації. На основі тестової вибірки перевірялася точність прогнозування вподобань. Результати проведених експериментів показали, що джиттер досліджуваних значень точності, повноти та RMSE прогнозування вподобань у більшості практичних випадків впевнено вкладається в допустимі межі коливань, а отже поведінка користувачів у програмній моделі не була випадковою, а імітувала поведінку реальних користувачів з певними вподобаннями. Це підтверджує достовірність розробленої програмної імітаційної моделі рекомендаційної системи. Висновки. Запропоновано метод програмного імітаційного моделювання користувачів у рекомендаційній системі, що дозволяє генерувати набори даних для тестування алгоритмів формування рекомендацій. Розроблений метод дозволяє моделювати поведінку як звичайних користувачів, так і ботів, що дає можливість створювати набори даних для тестування стійкості рекомендаційних систем до інформаційних атак, а також для тестування ефективності методів виявлення та нейтралізації бот-мереж. Структура зв’язків між користувачами та об’єктами рекомендаційної системи моделювалася за допомогою теорії складних мереж. Інформаційні атаки ботів моделювалися на основі відомих моделей атак ін’єкцією профілів на рекомендаційні системи. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|