Bối cảnh lý thuyết:

• Vi phạm bản quyền cấu kết trong P2P xảy ra khi người dùng trả phí chia sẻ nội dung với người dùng không trả phí.
• - Mối quan hệ “theo dõi” trong P2P được định nghĩa là: nếu người dùng B tải nội dung sau khi nhận seed từ người dùng A, thì B “theo dõi” A.
• - Hai yếu tố quan trọng bị bỏ qua trong nghiên cứu trước: ràng buộc thời gian và phản hồi nội dung.

Mô hình và phương pháp:

• MBFC: mở rộng Counting Bloom Filter để lưu trữ hành vi tuần tự trong các khoảng thời gian rời rạc.
• - PFCF: mô hình xác suất theo dõi có hiệu chỉnh bằng phản hồi nội dung tải về.
• - Thuật toán xác định mối quan hệ theo dõi dựa trên hành vi và nội dung trùng lặp giữa người dùng.
• - Ước lượng MLE để hiệu chỉnh xác suất theo dõi ban đầu dựa trên mức độ trùng lặp nội dung.
• - Phân cụm người dùng bằng phương pháp random walk để phát hiện các nút trung tâm có khả năng là nguồn phát tán vi phạm.

Kết quả chính:

• MBFC giúp lưu trữ hành vi hiệu quả với chi phí bộ nhớ thấp và độ chính xác cao.
• - PFCF cải thiện độ chính xác phát hiện vi phạm cấu kết so với các phương pháp chỉ dựa vào hành vi hoặc nội dung.
• - Độ chính xác phát hiện nút trung tâm vi phạm đạt tới 83.8% trong thử nghiệm thực tế.
• - Việc hiệu chỉnh xác suất theo dõi bằng phản hồi nội dung giúp giảm sai số trong phát hiện mối quan hệ.

Hàm ý chính sách:

• Phát hiện vi phạm bản quyền nên kết hợp phân tích hành vi tuần tự và nội dung tải về.
• - Các hệ thống giám sát P2P cần triển khai mô hình như PFCF để tăng hiệu quả ngăn chặn.
• - Có thể mở rộng mô hình để tích hợp watermark hoặc PAP cho phòng chống bán tự động.

Kết luận:

Mô hình PFCF là bước tiến mới trong việc phát hiện và ngăn chặn vi phạm bản quyền kiểu cấu kết trong mạng P2P. Bằng cách kết hợp ràng buộc thời gian và phản hồi nội dung, mô hình cho phép xác định chính xác mối quan hệ theo dõi và phát hiện các nút trung tâm phát tán. Kết quả thực nghiệm cho thấy hiệu quả cao và tiềm năng ứng dụng rộng rãi trong thực tế.