Tez No	İndirme	Tez Künye	Durumu
486643		Binary data reconstruction in privacy-preserving recommendation algorithms / Gizlilik tabanlı öneri algoritmalarında ikili verilerin yeniden oluşturulması Yazar:MURAT OKKALIOĞLU Danışman: DOÇ. DR. CİHAN KALELİ Yer Bilgisi: Anadolu Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora İngilizce 2017 123 s.
Ortak filtreleme sistemleri Internet' in sıklıkla kullanılmasıyla beraber kullanıcılara güvenilir tavsiyeler üretmek için çok popüler oldu. Bu sistemlerin oylamaları ikili veya nümerik bir ölçekte olabilir ve kullanıcılar tarafından sağlanan veriler merkezi bir sunucuda tutulabilir, iki- veya çok-parti arasında dağıtık olabilir ve hatta eşler ortak filtreleme amaçları ile bir araya gelebilirler. Ortak filtreleme sistemleri doğru tavsiyeler üretebilmek için kullanıcıların doğru geri bildirimine bel bağlarlar. Fakat, bu sistemlerin kullanıcıları kişiye özel verilerinin toplanma amacı dışında kullanılabileceğini hissederlerse gerçek fikirlerini sağlamakta isteksiz davranabilirler. Ortak filtreleme sistemlerine katılmak için böyle bir direniş tavsiye kalitesini aksatabilir. Bu noktada, gizlilik tabanlı ortak filteleme sistemleri gizlilik endişelerini tavsiye kalitesini feda etmeden öncül olarak göz önüne alırlar. Bu yüzden, kullanıcılar gizlilik tabanlı ortak filtrelemede alınan önlemler sayesinde kaliteli tavsiye almanın yanında doğru girdiler sağlamaya da ikna edilirler. Fakat, bu önlemlerin ifade edilen gizlilik korumasını sağlayıp sağlamadığı incelenmelidir. Bu tez çalışmasının amacı merkezi sunucu tabanlı, iki- veya çok-parti arasında dağıtılmış ve eşler arası işbirliğini içeren farklı veri dağıtımı senaryoları altında farklı gizlilik koruma protokolleriyle saklanmış ikili oylamalardan korunması sözü verilen orijinal ikili oylamaların elde edilmesidir. Veri imarının doğruluğunu ve gizlilik koruma protokollerinden orijinal ikili oylamaları elde ederken karşılaşılan engellerden kurtulmak için yardımcı bilgi kullanılmıştır.
Collaborative filtering systems have become very popular with the frequent use of the Internet to offer reliable recommendations to users. Ratings for such systems could be in a binary or numeric scale, and data supplied by users could be stored in a central-server, distributed among two- or multi-party or even peers could come together for collaborative filtering purposes. Collaborative filtering systems rely on true user feedbacks in order to produce accurate recommendations. However, users of such systems might be reluctant to provide their true opinions if they feel that their confidential data might be used other than the initial purpose of data collection. Such resistances to participate in collaborative filtering systems might hamper the recommendation quality. At this point, privacy-preserving collaborating filtering systems take the privacy concerns into the primary consideration without sacrificing the recommendation quality. Therefore, users are convinced to provide their true inputs as well as receive quality recommendations by the measures taken by privacy-preserving collaborative filtering systems. However, these measures should be investigated if the claimed privacy-preservation is really maintained. The objective of this dissertation is to derive the original binary ratings, which are promised to be preserved, from the perturbed binary ratings in different privacy-preservation protocols under different data partitioning scenarios including central server-based, distributed between two- and multi-party and peer-to-peer collaboration. Auxiliary information is utilized throughout the dissertation to improve the reconstruction accuracy or circumvent the bottlenecks to derive the original ratings due to the privacy-preservation protocols.