利用序列 GAN 检测推荐系统中的数据污染攻击
机器学习
2020-12-07 v1
摘要
推荐系统是任何电子商务平台的重要组成部分。推荐通常是通过聚合大量用户数据生成的。恶意行为者可能有动机通过注入恶意数据点来动摇此类推荐系统的输出，以利用系统获取经济利益。在本工作中，我们提出了一种半监督攻击检测算法来识别恶意数据点。为此，我们利用数据集中受污染概率较低的一部分来学习真实数据点的分布。我们提出的方法改进了生成对抗网络(GAN)架构，以考虑来自用户活动的上下文信息。这使得模型能够将合法数据点与注入的数据点区分开来。
引用
@article{arxiv.2012.02509,
title = {On Detecting Data Pollution Attacks On Recommender Systems Using Sequential GANs},
author = {Behzad Shahrasbi and Venugopal Mani and Apoorv Reddy Arrabothu and Deepthi Sharma and Kannan Achan and Sushant Kumar},
journal= {arXiv preprint arXiv:2012.02509},
year = {2020}
}
备注
8 pages, 4 Figures