基于矩阵分解推荐系统中利用物品向量偏移的攻击检测
信息检索
2023-12-04 v1
摘要
本文提出了一种在基于矩阵分解(MF)的推荐系统(RS)中检测注水攻击的新方法,其中攻击者利用虚假的用户-物品反馈来推广特定物品。与现有方法或使用监督学习区分攻击与真实画像,或分析目标物品评分分布以检测虚假评分不同,我们的方法采用无监督技术,通过考察利用评分偏差和用户特征的物品偏好向量偏移来检测虚假评分,这使其成为一个有前景的新方向。实验结果证明了我们的方法在多种攻击场景(包括涉及混淆技术的场景)中的有效性。
引用
@article{arxiv.2312.00512,
title = {Attack Detection Using Item Vector Shift in Matrix Factorisation Recommenders},
author = {Sulthana Shams and Douglas Leith},
journal= {arXiv preprint arXiv:2312.00512},
year = {2023}
}