AAAI2023 | 针对联邦推荐场景的非定向攻击与防御

嘿，记得给“机器学习与推荐算法”添加星标

---

TLDR：今天跟大家分享一篇通过利用聚类算法来操纵物品嵌入特征以此针对联邦推荐场景进行非定向攻击的工作，随后作者针对这一攻击又提出了一种基于一致性的对应防御机制，该论文已被AAAI2023接收。接下来让我们具体看看所提算法是如何工作的吧。

论文：https://arxiv.org/abs/2212.05399
代码：https://github.com/yflyl613/FedRec

近年来，个性化推荐系统在为用户克服信息过载方面发挥着重要作用。大部分的传统推荐算法基于中心化的训练和存储模式来提供服务，虽然这种方式可以提供优良的推荐性能但会存在数据和隐私泄露的风险。尤其是随着最近隐私保护法（比如GDPR等）的颁布，使得企业越来越困难的对用户数据进行集中式存储与训练。联邦推荐系统可以在不传输和集中存储用户私有数据的前提下进行精准推荐，近年来已经得到了研究者的广泛关注，更多联邦推荐算法的研究工作可以参考基于隐私保护的联邦推荐算法综述和一文梳理联邦学习推荐系统研究进展<