文献

J-GLOBAL ID：202002263662933630   整理番号：20A1536564

忘却者への敵対的攻撃【JST・京大機械翻訳】

Adversarial attacks on an oblivious recommender

著者 (2件)： Christakopoulou Konstantina (Google Inc. and University of Minnesota) ,  Banerjee Arindam (University of Minnesota)
資料名： ACM Proceedings  (ACM Proceedings)
号： RecSys ’19  ページ： 322-330  発行年： 2019年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： キャンマシン学習モデルは,容易にプールされる。他のドメインにおける学習敵対攻撃における関心の最近のサージにもかかわらず,推薦システムの文脈において,この疑問は主に手工学の偽ユーザプロファイルを用いて回答されている。本論文では,このギャップの低減を試みた。著者らは,2つのプレーヤー,すなわち敵対者の存在に対する敵対者と推薦者の間の反復一般和ゲームとして推薦者を攻撃する学習のための定式化を提供する。推薦モデルの訓練段階に焦点を当てた中毒攻撃の挑戦的な事例を考察した。ユーザまたはアイテムの部分集合を目標とする敵対的ユーザプロファイル,あるいは一般的にトップK推薦品質を生成する。さらに,敵対的ユーザプロファイルが,実際のユーザレイティング/インタラクション分布の近接性を,敵対的偽装ユーザ分布に保存することにより,不知のままであることを確実にする。偽のユーザプロファイルに関して推薦者の目的の勾配へのアクセスを持たない敵対の課題に対処するために,著者らはゼロ次最適化技術に関する非自明なアルゴリズム構築を提供した。筆者らは,低ランク推薦者の古典的ポピュラーなアプローチの場合に対して提案した方法を即座にし,様々な敵対意図に対する推薦者の脆弱性の程度を例証して,広範囲の実験を提供した。これらの結果は,機械学習攻撃に対する推薦者防御戦略へのより多くの研究に対する動機づけポイントとして役立つ。Please refer to this article’s citation page on the publisher website for specific rights information. 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 ,  相互作用 ,  学習 ,  学習モデル ,  ゲーム ,  動機づけ ,  最適化手法 ,  定式化 ,  機械学習 ,  *利用者プロファイル
準シソーラス用語： 敵対者 ,  脆弱性 ,  擬装 ,  プレイヤ ,  近接性 , 【Automatic Indexing@JST】

著者キーワード (2件)： 学習された敵対攻撃 ,  レコメンダーシステム

分類 (2件)： 人工知能  (JE08000Z) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (3件)： 忘却 ,  敵対 ,  攻撃