评审引入的模型无关配置注入攻击对推荐系统的影响
原文中文，约300字，阅读约需1分钟。发表于：。通过引入产品的文本评论以提高生成质量，我们提出了一种名为 R-Trojan 的新型攻击框架，将攻击目标表述为优化问题，并采用定制的基于转换器的生成对抗网络 (GAN) 进行求解，从而产生高质量的攻击性用户配置文件。在黑盒设置下对各个受害者推荐系统进行的广泛实验证明了 R-Trojan 在多个受害者推荐系统上明显优于现有最先进的攻击方法，并展示了其良好的不可察觉性。
研究人员提出了一种名为R-Trojan的新型攻击框架，通过引入产品的文本评论以提高生成质量。该框架将攻击目标表述为优化问题，并采用定制的基于转换器的生成对抗网络进行求解，从而产生高质量的攻击性用户配置文件。实验证明R-Trojan在多个受害者推荐系统上明显优于现有的攻击方法，并展示了其良好的不可察觉性。
