Core Concepts
추천 시스템의 강건성 향상을 위해 적대적 공격과 비적대적 공격에 대한 이해와 대응 방안을 제시한다.
Abstract
이 논문은 추천 시스템의 강건성에 대한 종합적인 개요를 제공한다. 추천 시스템의 강건성은 적대적 강건성과 비적대적 강건성으로 구분된다.
적대적 강건성 부분에서는 추천 시스템 적대적 공격의 기본 원리와 고전적인 방법을 소개한다. 비적대적 강건성 부분에서는 데이터 희소성, 자연 잡음, 데이터 불균형 등의 관점에서 비적대적 강건성을 분석한다.
또한 추천 시스템 강건성 평가에 널리 사용되는 데이터셋과 평가 지표를 요약한다. 마지막으로 추천 시스템 강건성 분야의 현재 과제와 향후 연구 방향을 논의한다.
추가로, 적대적 공격 및 방어 방법에 대한 공정하고 효율적인 평가를 위해 ShillingREC 적대적 강건성 평가 라이브러리를 제안하고 기본 공격 모델과 추천 모델에 대한 평가를 수행한다.
Stats
적대적 공격이 MF-BPR 모델의 성능을 저하시킨다.
적대적 잡음이 비적대적 잡음보다 더 큰 영향을 미친다.
Quotes
"추천 시스템은 정보 과부하 문제를 해결하는 데 중요한 도구가 되었다."
"추천 시스템은 악의적인 공격에 취약하다."
"데이터 희소성, 자연 잡음, 데이터 불균형 등의 비악의적 요인도 추천 시스템의 성능에 영향을 미칠 수 있다."