针对推荐系统的投毒攻击：综述
信息检索
2024-01-17 v3
摘要
现代推荐系统（RS）取得了显著成功，但它们仍然容易受到恶意活动的攻击，尤其是投毒攻击。这些攻击涉及向RS的训练数据集中注入恶意数据，从而破坏其完整性并操纵推荐结果以获取非法利益。本综述论文对针对推荐系统的投毒攻击（PAR）的研究现状进行了系统且最新的回顾。我们提出了一种新颖且全面的分类法，将现有的PAR方法分为三个不同的类别：组件特定型、目标驱动型和能力探测型。对于每个类别，我们详细讨论了其机制以及相关方法。此外，本文还指出了该领域未来潜在的研究方向。同时，为了促进和基准化PAR的实证比较，我们引入了一个开源库ARLib，其中包含了全面的PAR模型集合和常用数据集。该库发布于https://github.com/CoderWZW/ARLib。
引用
@article{arxiv.2401.01527,
title = {Poisoning Attacks against Recommender Systems: A Survey},
author = {Zongwei Wang and Min Gao and Junliang Yu and Hao Ma and Hongzhi Yin and Shazia Sadiq},
journal= {arXiv preprint arXiv:2401.01527},
year = {2024}
}
备注
9 pages,3 figures