基于影响函数的顺序推荐器精确轮廓污染攻击
信息检索
2024-12-03 v1
摘要
顺序推荐方法在建模用户偏好方面显示出惊人的能力。然而，它们容易受到轮廓污染攻击(PPA)的影响，即通过故意引入物品到用户的交互历史中，以影响推荐列表。由于为每个被污染的物品都进行重新训练是低效的，最近的PPA基于梯度方向估计物品的影响，以识别最有效的攻击候选者。然而，实际的物品表示与梯度有很大差异，导致结果有差异。在应对这一挑战的过程中，我们引入了基于影响函数的攻击方法INFAttack，以提供更准确的污染物品影响估计。具体而言，我们在生成包含特定物品的污染序列时，使用影响函数计算对原始模型的修改。随后，我们选择被影响最大的序列来替换原始序列，从而推动目标物品。在五个真实数据集上进行的全面实验表明，INFAttack优于所有基线方法，在流行和不流行的物品上始终提供稳定的攻击性能。
引用
@article{arxiv.2412.01127,
title = {Precision Profile Pollution Attack on Sequential Recommenders via Influence Function},
author = {Xiaoyu Du and Yingying Chen and Yang Zhang and Jinhui Tang},
journal= {arXiv preprint arXiv:2412.01127},
year = {2024}
}