针对混合推荐系统的基于参考推荐的成员推断攻击
密码学与安全
2025-12-11 v1
摘要
推荐系统已广泛部署于电子商务和社交媒体等各个领域，能够根据用户偏好和交互历史智能地推荐产品、潜在好友等物品，这些信息通常具有隐私敏感性。近期研究揭示推荐系统易受成员推断攻击(MIA)，攻击者旨在推断某用户的数据是否被用于训练目标推荐系统。然而，现有MIA未能利用推荐系统的独特特征，因此仅适用于由两种推荐算法组成的混合推荐系统。这留下了研究针对混合推荐系统的MIA的空白。为探究混合推荐系统中的个性化如何影响MIA，我们提出了一种新颖的基于度量的MIA。具体而言，我们利用个性化的特征为任意目标用户获取参考推荐。然后提出一种相对成员度指标，利用目标用户的交互历史、目标推荐和参考推荐来推断目标用户数据的成员关系。最后，我们在理论和实证上证明了所提出的基于度量的MIA在混合推荐系统上的有效性。
引用
@article{arxiv.2512.09442,
title = {Reference Recommendation based Membership Inference Attack against Hybrid-based Recommender Systems},
author = {Xiaoxiao Chi and Xuyun Zhang and Yan Wang and Hongsheng Hu and Wanchun Dou},
journal= {arXiv preprint arXiv:2512.09442},
year = {2025}
}
备注
This paper has been accepted by AAAI 2026