[論文レビュー] Detecting, Representing and Querying Collusion in Online Rating Systems

Mohammad Allahbakhsh, Aleksandar Ignjatović+4 more|arXiv (Cornell University)|Nov 2, 2012

Peer-to-Peer Network Technologies参考文献 24被引用数 10

ひとこと要約

本論文は、頻度付きアイテムセットマイニングを用いて候補となる共謀グループを特定し、その後、多変数指標（共謀度（DOC）と被害影響度（DI））を適用して共謀度と潜在的被害の大きさに基づいてグループをランク付けすることで、オンラインレーティングシステムにおける共謀の検出、表現、照会を可能にする新規フレームワークを提案する。モデルは共謀グラフと照会可能なクエリ言語を導入し、隠れた部分群や知的攻撃の検出において、従来手法を上回る性能を発揮する。

ABSTRACT

Online rating systems are subject to malicious behaviors mainly by posting unfair rating scores. Users may try to individually or collaboratively promote or demote a product. Collaborating unfair rating 'collusion' is more damaging than individual unfair rating. Although collusion detection in general has been widely studied, identifying collusion groups in online rating systems is less studied and needs more investigation. In this paper, we study impact of collusion in online rating systems and asses their susceptibility to collusion attacks. The proposed model uses a frequent itemset mining algorithm to detect candidate collusion groups. Then, several indicators are used for identifying collusion groups and for estimating how damaging such colluding groups might be. Also, we propose an algorithm for finding possible collusive subgroup inside larger groups which are not identified as collusive. The model has been implemented and we present results of experimental evaluation of our methodology.

研究の動機と目的

• P2Pシステムとは異なり、レーティングユーザー間に直接のペアワイズ関係がないオンラインレーティングシステムにおける共謀グループの検出の課題に対処すること。
• 共謀者が誠実な行動を模倣する場合に特に顕著な、大規模または知的共謀を検出できない従来手法の限界を克服すること。
• 完全な共謀グループだけでなく、より大きな、非共謀的と見なされるグループ内に存在する隠れた部分群も特定すること。
• アナリストやシステム管理者が柔軟に分析できるように、グラフモデルと専用のクエリ言語を用いた共謀の表現方法を確立すること。
• レーティング類似度、時間的パターン、多数派からの逸脱度といった複数の指標を統合したランク付けシステムにより、検出精度を向上させること。

提案手法

• 製品全体にわたる共通レーティングパターンを抽出するために頻度付きアイテムセットマイニングを適用し、共通するレーティング行動に基づいて候補となる共謀グループを同定する。
• 2つの主要な指標を定義する：共謀度（DOC）はレーティング者の間の構造的類似性と調整度を測定し、被害影響度（DI）は製品レーティングへの潜在的被害を推定する。
• 二部グラフ（バイクリーク）に基づく表現を用いて共謀グループをモデル化し、大規模なグループ内の頻度付きアイテムセットを再帰的マイニングすることで部分群の検出を可能にする。
• 時間的、行動的、レピュテーションベースの指標を統合し、単なる共通レーティングパターンを超えた共謀検出を洗練させる。
• 共謀関係を表現するグラフベースのデータモデルと、柔軟な照会を可能にする照会言語を設計する。
• ユーザー定義の基準に基づいて共謀グループの対話的照会と可視化を支援するフロントエンドツールを実装する。

実験結果

リサーチクエスチョン

• RQ1 オンラインレーティングシステムにおいて、レーティングユーザー間に直接のペアワイズ関係がない状況で、どのように共謀グループを効果的に検出できるか。
• RQ2 知的攻撃や低調な攻撃の状況でも、誠実なレーティングパターンと区別できる信頼性の高い指標は何か。
• RQ3 より大きな、非共謀的と見なされるグループ内に存在する隠れた部分群をどのように特定・分析できるか。
• RQ4 グラフベースのモデルと照会言語は、共謀検出システムの表現力と使いやすさをどの程度向上させられるか。
• RQ5 提案された指標（DOCとDI）は、顕在的でない共謀の両方を検出する観点で、従来手法と比較してどの程度優れているか。

主な発見

• 提案されたモデルは、高い正確性と再現率を達成し、顕在的および微細な共謀パターンの両方を検出する観点で、従来手法を上回っている。
• DOCとDI指標の組み合わせにより、グループ4（DI = 0.49）がグループ6（DI = 0.42）よりも被害が大きいと評価され、DOCは低いにもかかわらず、DIが実世界の影響を評価する価値を持つことを示している。
• モデルは、全体として共謀と見なされない大規模なグループ内に存在する部分群を同定しており、例えば、非共謀的と見なされるグループ内に危険な部分群を検出している。これは、従来のモデルが見逃していた事例である。
• グループ11はDOCが低く（0.121）あるが、DIは0.41と高い。これは、低調整度のグループでも高い被害をもたらす可能性があることを示しており、リスク評価においてDIの重要性を強調している。
• 実験的評価により、指標設計の妥当性と頻度付きアイテムセットマイニング手法が意味のある共謀パターンを的確に捉えていることが確認された。
• 照会言語と可視化フロントエンドツールの統合により、ユーザー主導の柔軟な共謀分析が可能となり、実世界システムへの実用的導入を支援している。