基于强化学习的交互式推荐系统上的对抗攻击与检测
机器学习
2020-06-16 v1 密码学与安全
信息检索
摘要
对抗攻击对早期检测对抗攻击提出了重大挑战。我们提出了在基于强化学习的交互式推荐系统上进行攻击无关的检测。我们首先构造对抗样本以展示其多样化的分布，然后通过基于构造数据训练一个深度学习分类器来检测潜在攻击，从而增强推荐系统。最后，我们研究了对抗样本的攻击强度和攻击频率，并在标准数据集上使用多种构造方法评估了我们的模型。大量实验表明，大多数对抗攻击是有效的，且攻击强度和攻击频率都会影响攻击性能。策略性定时攻击仅用 1/3 到 1/2 的攻击频率就达到了相当的攻击性能。此外，我们用一种构造方法训练的黑盒检测器对多种构造方法具有泛化能力。
引用
@article{arxiv.2006.07934,
title = {Adversarial Attacks and Detection on Reinforcement Learning-Based Interactive Recommender Systems},
author = {Yuanjiang Cao and Xiaocong Chen and Lina Yao and Xianzhi Wang and Wei Emma Zhang},
journal= {arXiv preprint arXiv:2006.07934},
year = {2020}
}