【RS-Attack】Data Poisoning Attacks to Deep Learning Based Recommender Systems NDSS‘21

Data Poisoning Attacks to Deep Learning Based Recommender Systems NDSS’21

首个在基于深度学习的推荐系统中进行投毒攻击的研究。文章总结的攻击深度学习推荐系统的难点，概括的来说就是：

• user-item 的数据是离散变量（和loss function建立不起联系）
• 神经网络的训练过程耗时（重新训练embedding至收敛）

本文方法

近似 Hit Ratio

我们的优化目标肯定是希望最大化target item的hit ratio：
max ⁡    H R t  subject to  ∥ y ( v ) ∥ 0 ≤ n + 1 , ∀ v ∈ { v 1 , v 2 , … , v m } y v i ∈ { 0 , 1 , … , r max ⁡ } \begin{aligned} \max & \ \ \mathrm{HR}_{t} \\ \text { subject to } &\left\|\mathbf{y}_{(v)}\right\|_{0} \leq n+1, \forall v \in\left\{v_{1}, v_{2}, \ldots, v_{m}\right\} \\ & y_{v i} \in\left\{0,1, \ldots, r_{\max }\right\} \end{aligned} max subject to ​  HRt​∥∥​y(v)​∥∥​0​≤n+1,∀v∈{ v1​,v2​,…,vm​}yvi​∈{ 0,1,…,rmax​}​
直接优化这个函数行不通，采取多种方法：

Relaxing Rating Scores to Obtain Continuous Variables

把整数评分都转换成0.0～1.0的连续值，最后生成打分时再离散成整数。