文献

J-GLOBAL ID：202002234867706716   整理番号：20A2084580

ニューラル協調フィルタリングに基づくレコメンダーシステムの中毒に向けて【JST・京大機械翻訳】

Towards Poisoning the Neural Collaborative Filtering-Based Recommender Systems

著者 (7件)： Zhang Yihe (University of Louisiana at Lafayette, Lafayette, LA, USA) ,  Lou Jiadong (University of Louisiana at Lafayette, Lafayette, LA, USA) ,  Chen Li (University of Louisiana at Lafayette, Lafayette, LA, USA) ,  Yuan Xu (University of Louisiana at Lafayette, Lafayette, LA, USA) ,  Li Jin (Guangzhou University, Guangzhou, Guangdong, China) ,  Johnsten Tom (University of South Alabama, Mobile, AL, USA) ,  Tzeng Nian-Feng (University of Louisiana at Lafayette, Lafayette, LA, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12308  ページ： 461-479  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文では,ニューラル協調フィルタリングベース推薦システムへの被毒攻撃に関する非常に初めての系統的研究を実施し,推奨結果を歪め,特定の目標を促進するそれぞれの目標で,アベイラビリティとターゲット攻撃の両方を探索する。重要課題は,費用を低減するための限られた操作による攻撃者による効果的な中毒攻撃をいかに行うか,最大攻撃目的を達成している。ニューラル協調フィルタリングの特性を探索するための広範囲な研究とともに,攻撃の制約を指定するための厳密なモデルを開発し,次に,アベイラビリティ攻撃とターゲット攻撃のための必須目標を捉えるために,異なる目的関数を定義した。非凸型プログラミングの複雑な形式である最適化問題に定式化して,これらの攻撃モデルを,著者らの繊細に設計したアルゴリズムによって効果的に解決した。提案した被毒攻撃解を,異なるWebプラットフォーム,例えばアマゾン,ツイッタ,およびモビエレンのデータセットで評価した。実験結果は,それらの両方が,ベースライン法よりも,効果的に,音響的に優れていることを実証した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化問題 ,  音響 ,  *アベイラビリティ ,  目的関数 ,  凸形 ,  基準線 ,  定式化 ,  Web【情報システム】
準シソーラス用語： *協調フィルタリング ,  推奨システム ,  ツイッター ,  攻撃者 , 【Automatic Indexing@JST】

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (2件)： 協調フィルタリング ,  中毒