保护基于标签的推荐系统免受轮廓注入攻击：一项比较研究（扩展报告）
信息检索
2019-01-25 v1 计算与语言
社会与信息网络
摘要
本工作解决了与协同标注系统攻击相关的挑战，这类攻击通常以恶意标注或轮廓注入攻击的形式出现。我们特别研究了针对社会标注系统两类此类攻击（过载攻击和捎带攻击）的各种对策。此处研究的对策方案包括基线分类器（如朴素贝叶斯过滤器和支持向量机）以及深度学习方法。我们在由 del.icio.us 数据集生成的合成垃圾数据上的评估表明，在大多数情况下，深度学习能够胜过经典解决方案，提供针对威胁的高级保护。
引用
@article{arxiv.1901.08422,
title = {Securing Tag-based recommender systems against profile injection attacks: A comparative study. (Extended Report)},
author = {Georgios K. Pitsilis and Heri Ramampiaro and Helge Langseth},
journal= {arXiv preprint arXiv:1901.08422},
year = {2019}
}
备注
20 pages, 5 figures, 4 tables, Extended report of paper presented at "Late Breaking Results" poster session, RecSys 2018, October 2-7, Vancouver, BC, Canada