【RecSys2020干货教程】对抗机器学习推荐系统，186页ppt

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。