ارائه مكانيزم پاداش‌دهي مشوق براي مشاركت‌كنندگان در سيستم محاسبات انساني تشخيص نفوذ بر اساس نظريه بازي‌ها

Incentive Reward Mechanism for Human Computation Intrusion Detection System Based on Game Theory

باوجود پيشرفت‌هاي شگرف در حوزه طراحي سيستم‌هاي محاسبات انساني اكثر آن‌ها از مشاركت كم يا مشاركت بدون كيفيت رنج مي‌برند و درصد بالايي از آن‌ها با شكست مواجه مي‌شوند. ‌موفقيت اين سيستم‌ها تا حدود زيادي به انسان‌هايي كه به‌صورت واقعي در سيستم رفتار مي‌كنند بستگي دارد. چون سيستم‌هايي محاسبات انساني شامل واحد‌هاي كوچكي از كارها هستند و هر كار سود كمي به مشاركت‌كنندگان مي‌رساند، انسان‌ها در صورتي در سيستم رفتار مطلوبي بروز مي‌دهند كه براي انجام آن بخوبي تحريك شده باشند. ما در اين مقاله، اين مسئله را در سيستم محاسبات انساني تشخيص نفوذ مورد بررسي قرار داديم. هدف ما از ايجاد تحريك افزايش مشاركت كاركنان، انجام كارها توسط كاركنان با دقت و تلاش زياد با كمترين هزينه ممكن مي‌باشد. پس‌ از انتخاب محرك‌هاي مناسب براي اين سيستم اقدام به طراحي مكانيزم پاداش‌دهي محرك كرديم. ايده اين مكانيزم استفاده از مهارت كاركنان در تعيين پاداش آن‌ها مي‌باشد. پس از طراحي اين مكانيزم از نظريه بازي‌ها به‌منظور تحليل و مشخص كردن تعادل بازي استفاده كرديم. سپس حداقل پاداش ممكن براي هر دسته از كارها را با استفاده از نتايج به‌دست‌آمده از تحليل مكانيزم بر اساس نظريه بازي‌ها، مشخص مي‌كنيم. درستي اين مكانيزم را با استفاده از نظريه بازي‌ها و نتايج به‌دست‌ آمده از پياده‌سازي نشان داديم. طراحي اين مكانيزم منجر به افزايش دقت مشاركت‌كنندگان در پاسخ دادن و درنتيجه افزايش دقت سيستم محاسبات انساني تشخيص نفوذ در شناسايي حملات جديد و كاهش نرخ هشدار اشتباه آن‌ها مي‌شود. همچنين با اختصاص كمترين منابع مالي موردنياز به كاركنان بر اساس تحليل به‌ دست‌ آمده از نظريه بازي و درنتيجه مديريت منابع مالي سيستم محاسبات انساني تشخيص نفوذ منجر به تشويق مشاركت‌كنندگان به مشاركت در سيستم و درنتيجه جلوگيري از شكست سيستم محاسبات انساني تشخيص نفوذ مي‌شود.

Despite the tremendous advances in the design of human computation systems, most of them suffer from low or low-quality contributions, and a high percentage of them fail. The success of these systems mostly depends on the behavior of people who participated in the system. Because human computation systems involve small work units, and each work brings little benefit to the participants, humans exhibit desirable behavior if they are well motivated. In this paper, we investigated this issue in the human computation intrusion detection (HCID) system. Our goal is to design a mechanism to get tasks done by experts with the utmost effort and accuracy for the lowest possible cost with a high percentage of participation. After choosing the appropriate motivation, we design the reward incentive mechanism for this system. The idea behind this mechanism was to use worker's skills in determining their rewards, and we used the Kappa coefficient to evaluate worker's agreement. After designing this mechanism, we use game theory to analyze the mechanism and determine the minimum possible reward for each task category. We prevent system failure by encouraging the workers to be high and quality participation. Also, we manage the system's financial resources by allocating the least necessary financial resources to the workers. This mechanism's design leads to an increase in the participants' accuracy and, consequently, to an increase in the human computation intrusion detection system's accuracy in identifying new attacks and reducing their false alert rate.