多层博弈投毒策略

多攻击者下更优

该策略通过Stackelberg博弈建模攻击者与竞争者的交互，能够在面对后续攻击时制定最优数据投毒方案。

Yeh, Chinyuan · Chen, Hsiwen · Yang, De-Nian · Lee, Wangchien · Yu, Philip S. · Chen, Ming-Syan

2023

参数信息

平均预测评分提升

10.6 %

HitRate@3提升

11.4 %

技术优势

先发制人

策略基于Stackelberg博弈均衡，在制定投毒计划时已预见并利用对手的最优反应。

效果更优

相比现有攻击方法，平均预测评分提升最高10.6%，HitRate@3提升最高11.4%。

应用场景

• 推荐系统：帮助攻击者制定最优投毒方案，也可用于防御评估。
• 电商平台：模拟多卖家竞争环境，评估平台推荐算法的鲁棒性。
• 社交网络：利用社交关系图增强投毒攻击的效果。
• 信息检索：提升目标项目在检索结果中的排名。