利用增广用户画像攻击推荐系统
信息检索
2020-07-24 v2 密码学与安全
机器学习
摘要
推荐系统（RS）已成为许多在线服务的重要组成部分。由于其在引导客户购买方面的关键作用，不道德方为牟利而欺骗 RS 的动机天然存在。本文研究托攻击：一种持续且有利可图的攻击，敌对方向系统中注入若干用户画像以推高或打压目标物品。传统托攻击模型基于易被检测的简易启发式规则，或直接套用对抗攻击方法而未针对 RS 做特殊设计。此外，文献中缺乏对基于深度学习的 RS 所受攻击影响的研究，使得托攻击对真实 RS 的效果存疑。我们提出一种新颖的增广托攻击框架（AUSH），并借助生成对抗网络（GAN）的思想实现它。AUSH 能够根据预算和复杂攻击目标（如针对特定用户群）量身定制对 RS 的攻击。我们通过实验表明，AUSH 的攻击影响在包括经典和现代基于深度学习的 RS 在内的广泛 RS 上均显著，同时它实际上无法被最先进的攻击检测模型检测到。
引用
@article{arxiv.2005.08164,
title = {Attacking Recommender Systems with Augmented User Profiles},
author = {Chen Lin and Si Chen and Hui Li and Yanghua Xiao and Lianyun Li and Qian Yang},
journal= {arXiv preprint arXiv:2005.08164},
year = {2020}
}
备注
CIKM 2020. 10 pages, 2 figures