이 논문은 추천 시스템에 대한 새로운 공격 방법인 ToDA(Target-oriented Diffusion Attack)를 제안한다. ToDA는 확산 모델을 기반으로 하며, 사용자 프로필을 고차원 공간으로 변환하고 노이즈를 점진적으로 추가하여 타겟 아이템을 효과적으로 추천하도록 유도한다.
특히 ToDA는 사용자-아이템 그래프를 활용하여 전역적 관점을 도입하고, 크로스 어텐션 메커니즘을 통해 타겟 아이템 정보를 사용자 프로필 생성 과정에 반영한다. 이를 통해 기존 확산 모델의 한계인 국소적 관점과 순수한 성향을 극복하고, 공격 효과성과 은밀성을 동시에 달성할 수 있다.
실험 결과, ToDA는 다양한 추천 시스템에 대해 기존 최신 공격 모델들을 크게 능가하는 성능을 보였다. 또한 ToDA의 구성 요소 분석과 하이퍼파라미터 실험을 통해 각 설계 요소의 중요성과 모델의 특성을 심층적으로 분석하였다.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Xiaohao Liu,... at arxiv.org 04-18-2024
https://arxiv.org/pdf/2401.12578.pdfDeeper Inquiries