面向社交网络文本处理应用的对抗攻击与防御：技术、挑战与未来研究方向
计算与语言
2021-10-28 v1
摘要
社交媒体的日益增长促使多种机器学习（ML）和自然语言处理（NLP）工具被开发出来，以处理前所未有的社交媒体内容并做出可操作决策。然而，这些 ML 和 NLP 算法已被广泛证明易受对抗攻击。这些漏洞使对手能够在社交媒体文本处理的不同应用中对算法发起多样化的对抗攻击。在本文中，我们全面综述了社交媒体应用背景下对抗攻击与防御的主要方法，特别关注关键挑战与未来研究方向。具体而言，我们涵盖了六个关键应用的文献，即（i）谣言检测、（ii）讽刺检测、（iii）点击诱饵与垃圾信息识别、（iv）仇恨言论检测、（v）错误信息检测以及（vi）情感分析。我们随后强调了当前与预期未来的研究问题，并为未来工作提供建议与方向。
引用
@article{arxiv.2110.13980,
title = {Adversarial Attacks and Defenses for Social Network Text Processing Applications: Techniques, Challenges and Future Research Directions},
author = {Izzat Alsmadi and Kashif Ahmad and Mahmoud Nazzal and Firoj Alam and Ala Al-Fuqaha and Abdallah Khreishah and Abdulelah Algosaibi},
journal= {arXiv preprint arXiv:2110.13980},
year = {2021}
}
备注
21 pages, 6 figures, 10 tables