攻击效果提升27.56%
针对联邦推荐系统的非定向投毒攻击，巧妙利用用户画像与物品的交互机制，在保持隐蔽性的同时大幅降低推荐服务质量。
Hao, Yurong · Chen, Xihui · Lyu, Xiaoting · 刘吉强 · Yongsheng, Zhu · 万志国 · Mauw, Sjouke · 王伟
2024
在多个数据集上针对主流联邦推荐模型的攻击实验中，性能超越现有方法达 27.56%。
攻击方法具有隐蔽性，能够绕过目前常见的防御机制。
利用用户画像与物品间的相互影响来设计攻击，不同于仅关注单一要素的现有方法，能更有效地破坏推荐系统性能。