第14届推荐系统顶级会议ACM RecSys在9月22日到26日在线举行。来自意大利Polytechnic University of Turin做了关于对抗推荐系统的教程《Adversarial Learning for Recommendation: Applications for Security and Generative Tasks – Concept to Code》,186页ppt,干货内容,值得关注。
https://recsys.acm.org/recsys20/tutorials/#content-tab-1-3-tab
对抗式机器学习(AML)是从识别计算机视觉任务中的漏洞(如图像分类)开始,研究现代机器学习(ML)推荐系统中的安全问题的研究领域。
在本教程中,我们将全面概述AML技术在双重分类中的应用:(i)用于攻击/防御目的的AML,以及(ii)用于构建基于GAN的推荐模型的AML。此外,我们将把RS中的AML表示与两个实际操作会话(分别针对前面的分类)集成在一起,以显示AML应用程序的有效性,并在许多推荐任务中推进新的想法和进展。
本教程分为四个部分。首先,我们总结了目前最先进的推荐模型,包括深度学习模型,并定义了AML的基本原理。在此基础上,我们提出了针对RSs的攻击/防御策略的对抗性推荐框架和基于GAN实践环节。最后,我们总结了这两种应用的开放挑战和可能的未来工作。