評判システム

評判システムとは、オンライン コミュニティのユーザーが互いを評価し、評判を通じて信頼を築くことができるプログラムまたはアルゴリズムです。これらのシステムの一般的な使用例としては、 eBay、Amazon.com、Etsyなどの電子商取引Web サイトや、Stack Exchangeなどのオンライン アドバイス コミュニティが挙げられます。^[1]これらの評判システムは、「インターネットを介したサービス提供の意思決定支援」における重要なトレンドを表しています。^[2]ショッピング、アドバイス、その他の重要な情報の交換のためのオンライン コミュニティの人気が高まるにつれ、評判システムはオンライン エクスペリエンスにとって極めて重要になっています。評判システムの考え方は、消費者が物理的に製品やサービスを試すことができなかったり、情報を提供している人物に会えなかったりしても、推奨システムによって構築された信頼を通じて、交換の結果に自信を持てるというものです。 [ ^2]

協調フィルタリングは、レコメンデーションシステムで最も一般的に使用され、コミュニティのメンバーから評価を収集するという点で評判システムと関連しています。^[2] 評判システムと協調フィルタリングの主な違いは、ユーザーフィードバックの使用方法です。協調フィルタリングでは、製品を顧客に推奨するためにユーザー間の類似点を見つけることが目標です。対照的に、評判システムの役割は、オンラインコミュニティのユーザー間の信頼を構築するために集合的な意見を集めることです。

ハワード・ラインゴールドは、オンライン評判システムは「古くからある人間の本質的な特性を、新しく強力な方法で操作することを可能にするコンピュータベースの技術」であると述べています。^[3]ラインゴールドは、これらのシステムは、インターネットユーザーがオンラインで取引する個人から信頼を得る必要性の結果として生まれたと述べています。彼が人間のグループに指摘する特性は、噂話などの社会的機能によって「誰を信頼すべきか、他の人が誰を信頼しているか、誰が重要か、誰が重要かを決めるのは誰かについて最新情報を得られる」ことです。彼は、 eBayやAmazonなどのインターネットサイトは、この社会的特性を利用しようとしており、「数百万の顧客の貢献を中心に構築され、サイトを通じて交換されるコンテンツと取引の品質を監視する評判システムによって強化されている」と主張しています。

シェアリングエコノミーの台頭により、ピアツーピアのマーケット プレイスやサービスにおける信頼の重要性が高まっています。^[4]ユーザーは個々のシステムで評判と信頼を築くことができますが、通常、その評判を他のシステムに持ち込むことはできません。レイチェル・ボッツマンとルー・ロジャースは、著書「What's Mine is Yours」（2010 年）^{[5]で、「複数の形態の共同消費にわたって}評判資本を集約する何らかのネットワークが存在するのは時間の問題だ」と主張しています。評判銀行と呼ばれることが多いこれらのシステムは、複数のシステムにわたって評判資本を管理するためのプラットフォームをユーザーに提供しようとしています。

評判システムの主な機能は、オンラインコミュニティのユーザー間で信頼感を構築することです。実店舗と同様に、信頼と評判は顧客からのフィードバックを通じて構築できます。計算機協会のポール・レズニックは、評判システムが効果的に機能するために必要な3つの特性について説明しています。^[2]

1. エンティティは長い存続期間を持ち、将来の相互作用について正確な予測を作成する必要があります。
2. 以前のやり取りに関するフィードバックを収集して配布する必要があります。
3. 信頼を導くためにフィードバックを使用する必要があります。

これら 3 つの特性は、信頼できる評判を構築する上で非常に重要であり、すべて 1 つの重要な要素、つまりユーザー フィードバックを中心に展開されます。評判システムにおけるユーザー フィードバックは、コメント、評価、推奨のいずれの形式であっても、貴重な情報です。ユーザー フィードバックがなければ、評判システムは信頼できる環境を維持できません。

ユーザーからのフィードバックを引き出す際には、関連する 3 つの問題が発生する可能性があります。

1. こうした問題の最初のものは、オプションが要求されていないのにユーザーがフィードバックを提供したがるという点です。オンライン コミュニティで大量のやり取りが行われていても、フィードバックが収集されない場合、信頼と評判の環境は形成されません。
2. 2 つ目の問題は、ユーザーから否定的なフィードバックを得ることです。ユーザーが否定的なフィードバックをしたくない理由はさまざまですが、最も顕著なのは報復に対する恐れです。フィードバックが匿名でない場合、否定的なフィードバックを与えると報復されるのではないかと恐れるユーザーが多くいます。
3. ユーザーフィードバックに関する最後の問題は、ユーザーから正直なフィードバックを引き出すことです。フィードバックの真実性を保証する具体的な方法はありませんが、正直なフィードバックのコミュニティが確立されれば、新しいユーザーも正直なフィードバックを提供する可能性が高くなります。

A. Josang らが指摘した効果的な評判システムのその他の落とし穴には、アイデンティティの変更や差別などがあります。これらの考え方も、正確で一貫性のあるユーザー フィードバックを得るためにユーザー アクションを規制するという考え方に結びついています。さまざまな種類の評判システムを分析する場合、各システムの有効性を判断するために、これらの特定の機能に注目することが重要です。

IETFは、評判データを交換するためのプロトコルを提案しました。^[6] 当初は電子メール アプリケーションを対象としていましたが、その後、評判ベースのサービスの一般的なアーキテクチャとして開発され、電子メール固有の部分が続きました。^[7] しかし、電子メールの評判の主力は、そのプロトコルに準拠していない DNSxL のままです。^[8] これらの仕様では、フィードバックを収集する方法については説明されていません。実際、電子メールの送信エンティティの粒度により、受信者から直接フィードバックを収集することは非現実的です。ただし、評判のクエリ/応答方法のみを対象としています。

• 検索: ウェブ ( PageRank を参照)
• eコマース: eBay、Epinions、Bizrate、Trustpilot
• ソーシャルニュース: Reddit、Digg、Imgur
• プログラミングコミュニティ: Advogato、フリーランスマーケットプレイス、Stack Overflow
• ウィキ：貢献の量と質を高める^[9]
• インターネット セキュリティ: TrustedSource
• 質問と回答のサイト: Quora、Yahoo! Answers、Gutefrage.net、Stack Exchange
• 電子メール: DNSBLとDNSWL は電子メール送信者に関する世界的な評判を提供します
• 個人的な評判: CouchSurfing (旅行者向け)、
• 非政府組織（NGO）：GreatNonProfits.org、GlobalGiving
• 翻訳者と翻訳アウトソーサーの専門的評判: ProZ.comの BlueBoard
• 多目的評判システム: Yelp, Inc.
• 学術界:研究者のh 指数など、一般的な計量書誌学的尺度。

高い評判資本は、多くの場合、保有者に利益をもたらします。例えば、幅広い研究により、eBayでの売り手の評価と販売価格の間には正の相関関係があることが判明しており、^[10]高い評判はユーザーが商品をより高く売るのに役立つことを示しています。オンラインマーケットプレイスでの製品レビューが高いことも、売上高の増加につながります。

抽象的な評判は、短期的な利益と引き換えに交換したり、努力を投資して築き上げたりする一種のリソースとして使用できます。たとえば、評判の良い企業は、評判が下がるまで低品質の製品を高利益で販売したり、評判を高めるために高品質の製品を販売したりする場合があります。^[11]一部の評判システムではさらに進んで、システム内で評判を消費して利益を得ることが明示的に可能になっています。たとえば、Stack Overflowコミュニティでは、評判ポイントを質問の「報奨金」に使用して、他のユーザーが質問に答えるように促すことができます。^[12]

明示的な支出メカニズムがなくても、評判システムにより、ユーザーは評判を過度に損なうことなく、簡単に評判を消費することができます。たとえば、ライドシェア会社のドライバーで、乗車受け入れスコア (ドライバーの評判を測る指標としてよく使用される) が高い場合、顧客をより厳選してドライバーの受け入れスコアを下げる一方で、運転体験を向上させることができます。サービスによって提供される明示的なフィードバックにより、ドライバーは選択性を慎重に管理して、過度のペナルティを受けないようにすることができます。

評判システムは一般的に攻撃に対して脆弱であり、多くの種類の攻撃が可能です。^[13]評判システムは、予測不可能なユーザーサイズや潜在的な敵対環境など、さまざまな要因に基づいて正確な評価を生成しようとするため、攻撃と防御メカニズムは評判システムにおいて重要な役割を果たします。 ^[14]

レピュテーション システムの攻撃分類は、どのシステム コンポーネントと設計上の選択が攻撃のターゲットであるかを特定することに基づいています。防御メカニズムは、既存のレピュテーション システムに基づいて決定されます。

攻撃者の能力は、システムに関連する攻撃者の場所 (内部攻撃者と外部攻撃者) など、いくつかの特性によって決まります。内部攻撃者は、システムへの正当なアクセス権を持ち、システム仕様に従って参加できるエンティティです。一方、外部攻撃者は、識別可能または識別不可能な、システム内の許可されていないエンティティです。

外部からの攻撃はコンピュータ システム環境における他の攻撃と非常によく似ているため、レピュテーション システムでは内部からの攻撃に重点が置かれます。通常、攻撃者の動機は利己的または悪意のどちらかであり、攻撃者は単独で行動することも、連合して行動することもあるという共通の仮定があります。

レピュテーション システムに対する攻撃は、攻撃者の目的と方法に基づいて分類されます。

• 自己宣伝攻撃。攻撃者は自分の評判を偽って高めます。典型的な例は、いわゆるシビル攻撃です。これは、攻撃者が多数の匿名エンティティを作成し、それらを使用して不釣り合いに大きな影響力を獲得することで評判システムを破壊します。^[15]評判システムがシビル攻撃に対して脆弱であるかどうかは、シビルをどれだけ安価に生成できるか、評判システムが信頼できるエンティティにリンクする信頼のチェーンを持たないエンティティからの入力をどの程度受け入れるか、評判システムがすべてのエンティティを同じように扱うかどうかによって異なります。
• ホワイトウォッシング攻撃。攻撃者はシステムの脆弱性を利用して評判を更新します。この攻撃は通常、評判の結果を計算するために使用される評判システムの定式化をターゲットにします。ホワイトウォッシング攻撃は、他の種類の攻撃と組み合わせて、それぞれの攻撃の効果を高めることができます。
• 中傷攻撃。攻撃者は、被害者ノードの評判を下げるために虚偽のデータを報告します。これは、単独の攻撃者または攻撃者の連合によって実行される可能性があります。
• 組織的攻撃。攻撃者は攻撃活動を組織化し、上記の戦略のいくつかを採用します。組織的攻撃の有名な例の1つは、オシレーション攻撃として知られています。^[16]
• サービス拒否攻撃。攻撃者は、サービス拒否方式を使用して、評価システムにおける評価値の計算と配布を阻止します。

上記の攻撃を防ぐためのいくつかの戦略を以下に示します。^[17]

• 複数のIDの防止
• 虚偽の噂の発生を緩和する
• 虚偽の噂の拡散の緩和
• システムの短期的な悪用を防ぐ
• サービス拒否攻撃の軽減

• Dellarocas, C. (2003). 「口コミのデジタル化: オンライン評判メカニズムの期待と課題」(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). 「評判システムの参照モデル」(PDF) .意思決定支援システム. 61 : 147–154. doi :10.1016/j.dss.2014.02.002. 2017-07-13 にオリジナル(PDF)からアーカイブ。2014-06-03に取得。
• D. Quercia、S. Hailes、L. Capra。軽量分散信頼伝播。ICDM 2007。
• R. Guha、R. Kumar、P. Raghavan、A. Tomkins。信頼と不信の伝播 WWW2004。
• A. Cheng、E. Friedman。Sybilproof 評判メカニズム、ピアツーピア システムの経済学に関する SIGCOMM ワークショップ、2005 年。
• Hamed Alhoori、Omar Alvarez、Richard Furuta、Miguel Muñiz、Eduardo Urbina: オンライン評判に基づくソーシャルコラボレーションによるコミュニティによる学術書誌の作成のサポート。ECDL 2009: 180-191
• モバイル ユーザーに対するシビル攻撃: 友人と敵が救出に向かいます (Daniele Quercia および Stephen Hailes 著)。IEEE INFOCOM 2010。
• JR Douceur。シビル アタック。IPTPS02 2002。
• Hoffman, K.; Zage, D.; Nita-Rotaru, C. (2009). 「評判システムに対する攻撃と防御の技術の調査」ACM Computing Surveys . 42 (1): 1. CiteSeerX  10.1.1.172.8253 . doi :10.1145/1592451.1592452. S2CID  2294541.
• ラインゴールド、ハワード（2002年）。『スマートモブ：次なる社会革命』。ペルセウス、マサチューセッツ州ケンブリッジ。
• Cattalibys, K. (2010). 「私は他の誰かになれるかもしれない - ソーシャルネットワーク、偽名、ソックパペット」統合失調感情障害49 (3) 。
• Zhang, Jie、Cohen, Robin (2006)。電子マーケットプレイスにおける他の購入者からのアドバイスの信頼: 不公平な評価の問題(PDF)。第 8 回国際電子商取引会議 (ICEC) の議事録。ニューブランズウィック、カナダ。

• 評判システム - 2008 チュートリアル (Yury Lifshits 著)
• サイバースペースにおける契約 - 2008 年のエッセイ (本の章)、David D. Friedman 著。