解释的黑暗面：用反事实示例污染推荐系统
摘要：通过逆向学习过程，我们提出了一种新的方法H-CARS，利用反事实解释来污染推荐系统。具体来说，我们首先在来自反事实解释的训练数据上训练一个基于逻辑推理的代理模型。通过逆转推荐模型的学习过程，我们开发了一种高效的贪婪算法，用于为上述代理模型生成虚假的用户资料和相关的互动记录。我们的实验使用了一种广为人知的反事实生成方法，并在两个不同的数据集上进行，结果显示H-CARS实现了显著且成功的攻击性能。
作者：Ziheng Chen, Fabrizio Silvestri, Jia Wang, Yongfeng Zhang and Gabriele Tolomei
论文ID：2305.00574
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-05-02