推荐系统中的投毒攻击与防御：综述

现代推荐系统（RS）极大地增强了用户在数字平台上的体验，但它们面临着来自投毒攻击的重大威胁。这些攻击旨在操纵推荐输出以获取不道德利益，通过注入恶意数据或干预模型训练来利用RS的漏洞。本综述通过攻击者的视角审视这些威胁，提供了对其机制和影响的新见解。具体来说，我们详细描述了一个系统化的流程，该流程涵盖投毒攻击的四个阶段：设定攻击目标、评估攻击者能力、分析受害者架构以及实施投毒策略。该流程不仅与各种攻击策略相一致，而且作为一个全面的分类法，用于精确定位不同投毒攻击的重点。相应地，我们进一步将防御策略从防御者的角度分为两大类：投毒数据过滤和鲁棒训练。最后，我们指出了现有局限性，并提出了在该领域进一步探索的创新方向。