针对隐因子模型的成员推理攻击
密码学与安全
2023-01-11 v1 机器学习
摘要
信息时代的到来带来了信息过载与需求不明的问题。作为信息过滤系统,个性化推荐系统预测用户对物品的行为与偏好,提升用户信息获取效率。然而,推荐系统通常使用高度敏感的用户数据进行训练。本文采用隐因子模型作为推荐器得到推荐物品列表,并从相关物品表示用户,相较于针对机器学习分类器的传统成员推理。我们构建了一个含两个隐藏层的多层感知机模型作为攻击模型以完成成员推理。此外,建立影子推荐器以为攻击模型推导带标签训练数据。攻击模型在影子推荐器生成的数据集上训练,并在目标推荐器生成的数据集上测试。实验数据显示,我们的攻击模型在真实数据集MovieLens上的AUC指标可达0.857,表明该攻击模型具有良好性能。
引用
@article{arxiv.2301.03596,
title = {Membership Inference Attacks Against Latent Factor Model},
author = {Dazhi Hu},
journal= {arXiv preprint arXiv:2301.03596},
year = {2023}
}