对线性上下文老虎机算法的对抗攻击
机器学习
2020-10-26 v3 机器学习
摘要
上下文老虎机算法被广泛应用于从广告到推荐系统、从临床试验到教育等众多领域。在这些领域中，恶意代理可能有动机攻击老虎机算法以诱导其执行期望的行为。例如，不道德的广告发布者可能试图以广告商为代价增加自身收益；卖家可能希望增加其产品曝光，或挫败竞争对手的广告活动。本文中，我们研究若干攻击场景，并表明恶意代理可迫使线性上下文老虎机算法在 步的时间范围内拉取任意期望的臂 次，同时对奖励或上下文施加仅以 对数增长的对抗性修改。我们还研究了恶意代理有意影响老虎机算法在单一上下文（例如特定用户）中行为的情况。我们首先给出攻击可行性的充分条件，然后提出一种高效的攻击算法。我们在合成与真实世界数据集上进行的实验验证了理论结果。
引用
@article{arxiv.2002.03839,
title = {Adversarial Attacks on Linear Contextual Bandits},
author = {Evrard Garcelon and Baptiste Roziere and Laurent Meunier and Jean Tarbouriech and Olivier Teytaud and Alessandro Lazaric and Matteo Pirotta},
journal= {arXiv preprint arXiv:2002.03839},
year = {2020}
}