虚假简历攻击：在线招聘平台上的数据投毒

虽然最近的研究揭示了网络服务中因数据投毒攻击而产生的各种漏洞，但关于在线专业招聘平台（如 LinkedIn 和 Indeed）的漏洞知之甚少。在这项工作中，我们首次展示了在线招聘平台上匹配求职者与公司这一常见人力资源 (HR) 任务中存在的关键漏洞。利用求职者简历格式和内容的不受限性以及招聘平台账户创建的便捷性，我们演示了三种攻击场景：(1) 公司提升攻击，以增加目标公司被推荐的可能性；(2) 公司降级攻击，以降低目标公司被推荐的可能性；(3) 用户提升攻击，以增加特定用户与特定公司匹配的可能性。为此，我们开发了一个名为 FRANCIS 的端到端“虚假简历”生成框架，该框架通过数据投毒引发系统性预测错误。我们在真实世界数据集上的实证评估表明，无论底层模型如何，数据投毒攻击都能显著扭曲求职者与公司之间的匹配结果，且漏洞程度随投毒强度的增加而放大。这些发现表明，招聘平台的各种服务输出可能被恶意用户黑客攻击。