基于战略成对数据扰动的排名滥用
机器学习
2026-04-21 v1 人工智能
计算机科学与博弈论
摘要
基于最大似然估计（MLE）的成对排名系统，如 Bradley-Terry 模型，广泛用于聚合成对比较的偏好。然而，这类系统在战略数据操纵下的鲁棒性仍不足以理解。本文研究 MLE 基于排名系统对对抗性扰动的脆弱性。我们将操纵任务建模为受约束的组合优化问题，提出自适应子集选择攻击（Adaptive Subset Selection Attack, ASSA）以高效识别高影响扰动。实验结果在合成数据和真实世界选举数据集上表明，基于 MLE 的排名 exhibits 洞察相位转变行为：在小扰动预算之下，仅有限数量的策略投票者即可显著改变全局排名。特别地，我们的方法在受约束预算下始终优于随机和贪心基线。这些发现揭示了 MLE 基于排名机制对结构化扰动的根本脆弱性，并凸显了在集体决策系统中需要更稳健的聚合方法。
引用
@article{arxiv.2604.17805,
title = {Ranking Abuse via Strategic Pairwise Data Perturbations},
author = {Junyi Yao and Zihao Zheng and Jiayu Long},
journal= {arXiv preprint arXiv:2604.17805},
year = {2026}
}