评估矩阵分解推荐系统中用户簇定向攻击的影响
信息检索
2024-06-26 v2
摘要
在实践中，推荐系统（RS）的用户根据其偏好会落入若干簇中。在这项工作中，我们对基于矩阵分解（MF）的推荐系统上的用户簇定向数据投毒攻击进行了系统性研究，其中 adversary 注入具有虚假构造的用户-物品反馈的假用户，以向特定用户簇推广某物品。我们分析了数据投毒攻击后用户和物品特征矩阵的变化，并确定了影响攻击在这些特征矩阵上有效性的因素。我们证明 adversary 可以以最小代价轻松定向特定用户簇，且某些物品比其他物品更易受攻击。我们的理论分析已通过来自两个真实世界数据集的实验结果得到验证。我们从该研究得到的观察可作为设计更鲁棒推荐系统的动机点。
引用
@article{arxiv.2305.04694,
title = {Evaluating Impact of User-Cluster Targeted Attacks in Matrix Factorisation Recommenders},
author = {Sulthana Shams and Douglas Leith},
journal= {arXiv preprint arXiv:2305.04694},
year = {2024}
}