面向联邦顺序推荐的双视图靶向攻击框架 DV-FSR
密码学与安全
2024-12-31 v2 信息检索
摘要
联邦推荐（FedRec）通过启用去中心化的个性化模型训练来保留用户隐私，但这种架构本质上容易受到对抗攻击。针对 FedRec 系统中的靶向攻击，已开展大量研究，基于商业和社会影响的考虑。然而，这些工作大多忽略了推荐模型的差异化韧性。此外，我们的实证发现，现有靶向攻击方法在联邦顺序推荐（FSR）任务中仅实现有限的有效性。鉴于上述观察，我们聚焦于 FSR 中的靶向攻击，提出一种新颖的双视图攻击框架，命名为 DV-FSR。该攻击方法独特地将基于抽样的显式策略与基于对比学习的隐式梯度策略相结合，以协调进一步的攻击。此外，我们引入一种针对 FSR 靶向攻击的特定防御机制，以评估我们提出的攻击方法的缓解效果。大量实验表明，我们的方法在代表性顺序模型上效果显著。
引用
@article{arxiv.2409.07500,
title = {DV-FSR: A Dual-View Target Attack Framework for Federated Sequential Recommendation},
author = {Qitao Qin and Yucong Luo and Mingyue Cheng and Qingyang Mao and Chenyi Lei},
journal= {arXiv preprint arXiv:2409.07500},
year = {2024}
}
备注
I am requesting the withdrawal of my paper due to identified errors that require significant revision