Hispanopedia Wiki
Articulo de referencia

Sistema de reputación

Página de reseñas de Trip Advisor para el Parque Estatal Natural Bridge Un sistema de reputación es un programa o algoritmo que permite a los usuarios de una comunidad en línea ...

Hispanopedia WikiContenido en espanolLectura gratuita
Página de reseñas de Trip Advisor para el Parque Estatal Natural Bridge

Un sistema de reputación es un programa o algoritmo que permite a los usuarios de una comunidad en línea calificarse entre sí para generar confianza a través de la reputación . Algunos usos comunes de estos sistemas se encuentran en sitios web de comercio electrónico como eBay , Amazon.com y Etsy , así como en comunidades de asesoramiento en línea como Stack Exchange . [ 1 ] Estos sistemas de reputación representan una tendencia significativa en el "apoyo a la toma de decisiones para la prestación de servicios mediados por Internet". [ 2 ] Con la popularidad de las comunidades en línea para compras, asesoramiento e intercambio de otra información importante, los sistemas de reputación se están volviendo vitales para la experiencia en línea. La idea de los sistemas de reputación es que, incluso si el consumidor no puede probar físicamente un producto o servicio, ni ver a la persona que proporciona la información, puede confiar en el resultado del intercambio gracias a la confianza generada por los sistemas de recomendación . [ 2 ]

El filtrado colaborativo , utilizado comúnmente en sistemas de recomendación, se relaciona con los sistemas de reputación, ya que ambos recopilan valoraciones de los miembros de una comunidad. [ 2 ] La principal diferencia entre los sistemas de reputación y el filtrado colaborativo radica en la forma en que utilizan la retroalimentación de los usuarios . En el filtrado colaborativo, el objetivo es encontrar similitudes entre los usuarios para recomendar productos a los clientes. En cambio, la función de los sistemas de reputación es recopilar una opinión colectiva para generar confianza entre los usuarios de una comunidad en línea.

Tipos

En línea

Howard Rheingold afirma que los sistemas de reputación en línea son «tecnologías informáticas que permiten manipular de formas nuevas y poderosas un rasgo humano antiguo y esencial». [ 3 ] Rheingold explica que estos sistemas surgieron de la necesidad de los usuarios de internet de generar confianza en las personas con las que realizan transacciones en línea. El rasgo que destaca en los grupos humanos es que las funciones sociales, como el chisme, «nos mantienen al tanto de en quién confiar, en quién confían los demás, quién es importante y quién decide quién es importante». Argumenta que sitios web como eBay y Amazon buscan aprovechar este rasgo social y están «construidos en torno a las contribuciones de millones de clientes, potenciadas por sistemas de reputación que controlan la calidad del contenido y las transacciones realizadas a través del sitio».

Bancos de reputación

La economía colaborativa emergente aumenta la importancia de la confianza en los mercados y servicios entre pares . [ 4 ] Los usuarios pueden construir reputación y confianza en sistemas individuales, pero generalmente no tienen la capacidad de transferir esa reputación a otros sistemas. Rachel Botsman y Roo Rogers argumentan en su libro What's Mine is Yours (2010), [ 5 ] que "es solo cuestión de tiempo antes de que exista algún tipo de red que agregue capital de reputación a través de múltiples formas de consumo colaborativo". Estos sistemas, a menudo denominados bancos de reputación, intentan brindar a los usuarios una plataforma para administrar su capital de reputación en múltiples sistemas.

Mantener sistemas de reputación eficaces

La función principal de los sistemas de reputación es generar confianza entre los usuarios de las comunidades en línea. Al igual que en las tiendas físicas , la confianza y la reputación se construyen a través de las opiniones de los clientes . Paul Resnick, de la Association for Computing Machinery, describe tres propiedades necesarias para que los sistemas de reputación funcionen eficazmente. [ 2 ]

  1. Las entidades deben tener una larga vida útil y generar expectativas precisas sobre las interacciones futuras.
  2. Deben recopilar y distribuir comentarios sobre interacciones previas.
  3. Deben utilizar la retroalimentación para fomentar la confianza.

Estas tres propiedades son cruciales para construir una reputación sólida, y todas giran en torno a un elemento fundamental: la retroalimentación de los usuarios. Esta retroalimentación, ya sea en forma de comentarios, calificaciones o recomendaciones, es una valiosa fuente de información en los sistemas de reputación. Sin ella, estos sistemas no pueden mantener un entorno de confianza.

Recabar la opinión de los usuarios puede presentar tres problemas relacionados.

  1. El primero de estos problemas es la reticencia de los usuarios a proporcionar comentarios cuando no se les exige hacerlo. Si una comunidad en línea tiene un alto volumen de interacciones, pero no se recopilan comentarios, no se puede generar un entorno de confianza ni de buena reputación.
  2. El segundo de estos problemas es recibir comentarios negativos de los usuarios. Muchos factores contribuyen a que los usuarios no quieran dar comentarios negativos, siendo el más importante el temor a represalias. Cuando los comentarios no son anónimos, muchos usuarios temen represalias si dan comentarios negativos.
  3. El último problema relacionado con la retroalimentación de los usuarios es obtener comentarios honestos. Si bien no existe un método concreto para garantizar la veracidad de los comentarios, si se establece una comunidad que fomente la honestidad, es más probable que los nuevos usuarios también brinden comentarios honestos.

Otros inconvenientes para la eficacia de los sistemas de reputación, descritos por A. Josang et al., incluyen el cambio de identidad y la discriminación. Estas ideas se relacionan con la necesidad de regular las acciones de los usuarios para obtener retroalimentación precisa y consistente. Al analizar diferentes tipos de sistemas de reputación, es importante considerar estas características específicas para determinar la eficacia de cada uno.

intento de estandarización

El IETF propuso un protocolo para intercambiar datos de reputación. [ 6 ] Originalmente estaba dirigido a aplicaciones de correo electrónico, pero posteriormente se desarrolló como una arquitectura general para un servicio basado en reputación, seguida de una parte específica para correo electrónico. [ 7 ] Sin embargo, el principal sistema de reputación de correo electrónico sigue siendo DNSxL, que no sigue ese protocolo. [ 8 ] Dichas especificaciones no indican cómo recopilar comentarios —de hecho, la granularidad de las entidades que envían correo electrónico hace que sea poco práctico recopilar comentarios directamente de los destinatarios— sino que solo se ocupan de los métodos de consulta/respuesta de reputación.

Ejemplos notables de aplicaciones prácticas

La reputación como recurso

Un alto capital reputacional suele brindar beneficios a quien lo posee. Por ejemplo, numerosos estudios han encontrado una correlación positiva entre la calificación del vendedor y el precio de venta en eBay [ 10 ] , lo que indica que una buena reputación puede ayudar a los usuarios a obtener más dinero por sus artículos. Las buenas reseñas de productos en los mercados en línea también pueden contribuir a aumentar el volumen de ventas.

La reputación abstracta puede utilizarse como un recurso, que se puede intercambiar por ganancias a corto plazo o construir mediante el esfuerzo. Por ejemplo, una empresa con buena reputación puede vender productos de menor calidad para obtener mayores ganancias hasta que su reputación disminuya, o puede vender productos de mayor calidad para aumentarla. [ 11 ] Algunos sistemas de reputación van más allá, permitiendo explícitamente gastar puntos de reputación dentro del sistema para obtener un beneficio. Por ejemplo, en la comunidad de Stack Overflow , los puntos de reputación se pueden gastar en "recompensas" por preguntas para incentivar a otros usuarios a responderlas. [ 12 ]

Incluso sin un mecanismo de gasto explícito, los sistemas de reputación suelen facilitar que los usuarios gasten su reputación sin perjudicarla excesivamente. Por ejemplo, un conductor de una empresa de transporte compartido con una alta puntuación de aceptación de viajes (una métrica que se usa a menudo para medir la reputación del conductor) puede optar por ser más selectivo con su clientela, lo que disminuye su puntuación de aceptación pero mejora su experiencia de conducción. Con la retroalimentación explícita que proporciona el servicio, los conductores pueden gestionar cuidadosamente su selectividad para evitar ser penalizados demasiado.

Ataques y defensa

Los sistemas de reputación son generalmente vulnerables a ataques, y son posibles muchos tipos de ataques. [ 13 ] Dado que el sistema de reputación intenta generar una evaluación precisa basada en varios factores, incluidos, entre otros, el tamaño impredecible de los usuarios y los posibles entornos adversarios, los ataques y los mecanismos de defensa desempeñan un papel importante en los sistemas de reputación. [ 14 ]

La clasificación de ataques a un sistema de reputación se basa en la identificación de qué componentes del sistema y decisiones de diseño son el objetivo de los ataques. Los mecanismos de defensa se determinan a partir de los sistemas de reputación existentes.

Modelo de atacante

La capacidad del atacante se determina por varias características, por ejemplo, su ubicación dentro del sistema (atacante interno frente a atacante externo). Un atacante interno es una entidad que tiene acceso legítimo al sistema y puede participar según las especificaciones del mismo, mientras que un atacante externo es cualquier entidad no autorizada dentro del sistema, sea o no identificable.

Dado que los ataques externos son mucho más similares a otros ataques en un entorno informático, los ataques internos reciben mayor atención en el sistema de reputación. Generalmente, existen algunas suposiciones comunes: los atacantes están motivados por intenciones egoístas o maliciosas y pueden actuar solos o en coalición.

Clasificación de ataque

Los ataques contra los sistemas de reputación se clasifican en función de los objetivos y los métodos del atacante.

  • Ataque de autopromoción. El atacante aumenta falsamente su propia reputación. Un ejemplo típico es el llamado ataque Sybil, donde un atacante manipula el sistema de reputación creando un gran número de entidades seudónimas y usándolas para obtener una influencia desproporcionadamente grande. [ 15 ] La vulnerabilidad de un sistema de reputación a un ataque Sybil depende de la facilidad con la que se pueden generar Sybils, del grado en que el sistema de reputación acepta información de entidades que no tienen una cadena de confianza que las vincule a una entidad de confianza, y de si el sistema de reputación trata a todas las entidades de forma idéntica.
  • Ataque de blanqueo de reputación. El atacante aprovecha alguna vulnerabilidad del sistema para modificar su reputación. Este ataque suele dirigirse a la fórmula del sistema de reputación que se utiliza para calcular el resultado. El ataque de blanqueo de reputación puede combinarse con otros tipos de ataques para aumentar su efectividad.
  • Ataque de difamación. El atacante reporta datos falsos para dañar la reputación de los nodos de la víctima. Puede ser perpetrado por un solo atacante o por una coalición de atacantes.
  • Ataque orquestado. El atacante orquesta sus esfuerzos y emplea varias de las estrategias mencionadas anteriormente. Un ejemplo famoso de ataque orquestado es el ataque de oscilación. [ 16 ]
  • Ataque de denegación de servicio. El atacante impide el cálculo y la difusión de valores de reputación en los sistemas de reputación mediante el método de denegación de servicio .

Estrategias de defensa

Aquí hay algunas estrategias para prevenir los ataques mencionados anteriormente. [ 17 ]

  • Prevención de identidades múltiples
  • Cómo mitigar la generación de rumores falsos
  • Cómo mitigar la propagación de rumores falsos
  • Prevención del abuso a corto plazo del sistema
  • Cómo mitigar los ataques de denegación de servicio

Véase también

Referencias

  1. ↑ "¿Qué es la reputación? ¿Cómo la gano (y la pierdo)? - Centro de ayuda" . Stack Overflow . Consultado el 15 de noviembre de 2022 .
  2. 1 2 3 4 Josang, Audun (2000). "Un estudio de los sistemas de confianza y reputación para la prestación de servicios en línea". Decision Support Systems . 45 (2): 618– 644. CiteSeerX 10.1.1.687.1838 . doi : 10.1016/j.dss.2005.05.019 . S2CID 209552 .  
  3. ↑ Suplemento de Libros Impresos . RR Bowker Company. 2002. ISBN 978-0-8352-4564-7.
  4. ↑ Tanz, Jason (23 de mayo de 2014). "Cómo Airbnb y Lyft finalmente lograron que los estadounidenses confiaran entre sí" . Wired .
  5. ↑ Botsman, Rachel (2010). Lo mío es tuyo . Nueva York: Harper Business. ISBN 978-0061963544.
  6. ↑ Nathaniel Borenstein ; Murray S. Kucherawy (noviembre de 2013). Una arquitectura para la elaboración de informes de reputación . IETF . doi : 10.17487/RFC7070 . RFC 7070. Consultado el 20 de abril de 2017 .
  7. ↑ Nathaniel Borenstein; Murray S. Kucherawy (noviembre de 2013). Un conjunto de respuestas de reputación para identificadores de correo electrónico . IETF . doi : 10.17487/RFC7073 . RFC 7073. Consultado el 20 de abril de 2017 .
  8. ↑ John Levine (febrero de 2010). Listas negras y blancas de DNS . IETF . doi : 10.17487/RFC5782 . RFC 5782. Consultado el 20 de abril de 2017 .
  9. ↑ Dencheva, S.; Prause, CR; Prinz, W. (septiembre de 2011). Automoderación dinámica en una wiki corporativa para mejorar la participación y la calidad de las contribuciones (PDF) . Actas de la 12.ª Conferencia Europea sobre Trabajo Cooperativo Asistido por Ordenador (ECSCW 2011). Aarhus, Dinamarca. Archivado del original (PDF) el 29 de noviembre de 2014.
  10. ↑ Ye, Qiang (2013). "Análisis en profundidad de la relación entre la reputación del vendedor y la prima de precio: una comparación entre eBay EE. UU. y Taobao China" (PDF) . Journal of Electronic Commerce Research . 14 (1). Archivado del original (PDF) el 8 de agosto de 2017. Recuperado el 30 de abril de 2015 .
  11. ↑ Winfree, Jason, A. (2003). "Reputación colectiva y calidad" (PDF) . Reuniones de la Asociación Estadounidense de Economía Agrícola .{{cite journal}}: CS1 maint: varios nombres: lista de autores ( enlace )
  12. ↑ "¿Qué es una recompensa? ¿ Cómo puedo iniciar una? - Centro de ayuda" . stackoverflow.com
  13. ↑ Jøsang, A.; Golbeck, J. (septiembre de 2009). Desafíos para la robustez de los sistemas de confianza y reputación (PDF) . Actas del 5.º Taller Internacional sobre Seguridad y Gestión de la Confianza (STM 2009). Saint Malo, Francia.
  14. ↑ Hoffman, K.; Zage, D.; Nita-Rotaru, C. (2009). "Un estudio de técnicas de ataque y defensa para sistemas de reputación" (PDF) . ACM Computing Surveys . 42 : 1–31 . CiteSeerX 10.1.1.172.8253 . doi : 10.1145/1592451.1592452 . S2CID 2294541. Archivado del original (PDF) el 7 de abril de 2017. Recuperado el 5 de diciembre de 2016 .  
  15. ↑ Lazzari, Marco (marzo de 2010). Un experimento sobre la debilidad de los algoritmos de reputación utilizados en redes sociales profesionales: el caso de Naymz . Actas de la Conferencia Internacional IADIS e-Society 2010. Oporto, Portugal. Archivado del original el 7 de marzo de 2016. Consultado el 28 de agosto de 2014 .
  16. ↑ Srivatsa, M.; Xiong, L.; Liu, L. (2005). TrustGuard: contrarrestando las vulnerabilidades en la gestión de reputación para redes superpuestas descentralizadas (PDF) . Actas de la Conferencia Internacional IADIS e-Society 2010, 14.ª conferencia internacional sobre la World Wide Web. Oporto, Portugal. doi : 10.1145/1060745.1060808 . S2CID 1612033. Archivado del original (PDF) el 18 de octubre de 2017. 
  17. ↑ Hoffman, Kevin; Zage, David; Nita-Rotaru, Cristina (2009-12-14). "Un estudio de técnicas de ataque y defensa para sistemas de reputación" . ACM Computing Surveys . 42 (1): 1:1–1:31. CiteSeerX 10.1.1.172.8253 . doi : 10.1145/1592451.1592452 . ISSN 0360-0300 . S2CID 2294541 .   
  • Dellarocas, C. (2003). "La digitalización del boca a boca: promesas y desafíos de los mecanismos de reputación en línea" (PDF) . Management Science . 49 (10): 1407– 1424. doi : 10.1287/mnsc.49.10.1407.17308 . hdl : 1721.1/1851 .
  • Vavilis, S.; Petković, M.; Zannone, N. (2014). "Un modelo de referencia para sistemas de reputación" (PDF) . Decision Support Systems . 61 : 147–154 . doi : 10.1016/j.dss.2014.02.002 . Archivado del original (PDF) el 13 de julio de 2017. Recuperado el 3 de junio de 2014 .
  • D. Quercia, S. Hailes, L. Capra. Propagación de confianza distribuida ligera . ICDM 2007.
  • R. Guha, R. Kumar, P. Raghavan, A. Tomkins. Propagación de la confianza y la desconfianza WWW2004.
  • A. Cheng, E. Friedman. Mecanismos de reputación a prueba de ataques Sybil. Taller SIGCOMM sobre economía de sistemas peer-to-peer, 2005.
  • Hamed Alhoori, Omar Alvarez, Richard Furuta, Miguel Muñiz, Eduardo Urbina: Apoyo a la creación de bibliografías académicas por parte de comunidades mediante la colaboración social basada en la reputación en línea. ECDL 2009: 180-191
  • Ataques Sybil contra usuarios de dispositivos móviles: amigos y enemigos al rescate, por Daniele Quercia y Stephen Hailes. IEEE INFOCOM 2010.
  • JR Douceur. El ataque de Sybil . IPTPS02 2002.
  • Hoffman, K.; Zage, D.; Nita-Rotaru, C. (2009). "Un estudio de técnicas de ataque y defensa para sistemas de reputación". ACM Computing Surveys . 42 (1): 1. CiteSeerX 10.1.1.172.8253 . doi : 10.1145/1592451.1592452 . S2CID 2294541 .  
  • Rheingold, Howard (2002). Smart Mobs: The Next Social Revolution . Perseus, Cambridge, Massachusetts.
  • Cattalibys, K. (2010). "Podría ser otra persona: redes sociales, seudónimos y cuentas falsas". Trastornos esquizoafectivos . 49 (3).
  • Zhang, Jie; Cohen, Robin (2006). Confiar en los consejos de otros compradores en los mercados electrónicos: el problema de las calificaciones injustas (PDF) . Actas de la Octava Conferencia Internacional sobre Comercio Electrónico (ICEC). Nuevo Brunswick, Canadá.
  • Sistemas de reputación - Tutorial de 2008 por Yury Lifshits
  • Contratos en el ciberespacio : ensayo de 2008 (capítulo de libro) de David D. Friedman.