保护基于标签的推荐系统免受用户画像注入攻击：一项比较研究
社会与信息网络
2018-09-03 v1 密码学与安全
信息检索
摘要
本工作解决社交标注系统所面临攻击的相关挑战，此类攻击常表现为恶意标注或用户画像注入攻击。我们特别研究了针对此类系统两类威胁——过载攻击（Overload）与搭便车攻击（Piggyback）——的多种对策。所研究的对策包括基线分类器（如朴素贝叶斯过滤器和支持向量机）以及一种基于深度学习的方法。我们在由 del.icio.us 生成的合成垃圾数据上的评估表明，在大多数情况下，基于深度学习的方法提供最佳威胁防护。
引用
@article{arxiv.1808.10550,
title = {Securing Tag-based recommender systems against profile injection attacks: A comparative study},
author = {Georgios Pitsilis and Heri Ramampiaro and Helge Langseth},
journal= {arXiv preprint arXiv:1808.10550},
year = {2018}
}
备注
2-pages