ToDA: 面向目标的扩散攻击器对抗推荐系统
密码学与安全
2024-07-19 v3
摘要
推荐系统 (RS) 已成为网络服务解决信息过载、增强用户体验和提升平台收入不可或缺的工具。然而，随着其日益普及，安全问题也随之出现。由于 RS 的公开可访问性，它们容易受到特定的恶意攻击，攻击者可以操纵用户画像，导致推荐结果有偏。最近的研究通常集成使用生成模型的额外模块来制作这些欺骗性用户画像，确保它们难以察觉，同时造成预期的伤害。尽管这些模型有效，但它们面临着训练不稳定和探索-利用困境的挑战，这可能导致次优结果。在本文中，我们率先研究了扩散模型 (DM) 在托攻击中的潜力。具体来说，我们提出了一种新颖的面向目标的扩散攻击模型 (ToDA)。它包含一个预训练的自编码器，将用户画像转换为高维空间，并与潜在扩散攻击器 (LDA)（ToDA 的核心组件）配对。LDA 在此潜在空间内向画像引入噪声，通过交叉注意力机制巧妙地将逼近过程导向目标物品。由二分图实现的全局视野被纳入 LDA，并源自编码后的用户画像特征。这使得 LDA 有可能将生成过程扩展到正在处理的用户特征本身之外，并弥合了扩散后的用户特征与目标物品特征之间的差距。与几个 SOTA 基线相比的大量实验证明了 ToDA 的有效性。具体研究利用了 ToDA 的精心设计，并强调了高级生成模型在此类背景下的效力。
引用
@article{arxiv.2401.12578,
title = {ToDA: Target-oriented Diffusion Attacker against Recommendation System},
author = {Xiaohao Liu and Zhulin Tao and Ting Jiang and He Chang and Yunshan Ma and Yinwei Wei and Xiang Wang},
journal= {arXiv preprint arXiv:2401.12578},
year = {2024}
}
备注
under-review