基于模拟推理的恶意活动检测与量化
机器学习
2021-10-08 v2 密码学与安全
机器学习
应用统计
摘要
我们提出使用概率编程技术来解决推荐算法中的恶意用户识别问题。概率编程相较于其他技术具有诸多优势，包括但不限于在结构化模型下对恶意用户行为方式提供解耦表示，以及允许量化恶意用户造成的损害。我们展示了使用正则用户与恶意用户与简单推荐算法交互的模型进行恶意用户识别的实验，并提出了一种新颖的基于模拟的度量，用于量化用户或用户组对其动态的影响。
引用
@article{arxiv.2110.02483,
title = {Detecting and Quantifying Malicious Activity with Simulation-based Inference},
author = {Andrew Gambardella and Bogdan State and Naeemullah Khan and Leo Tsourides and Philip H. S. Torr and Atılım Güneş Baydin},
journal= {arXiv preprint arXiv:2110.02483},
year = {2021}
}
备注
Short version, appeared at ICML workshop on Socially Responsible Machine Learning 2021