ARLib
추천 시스템에 대한 데이터 중독 공격을 수행하기 위한 오픈 소스 프레임워크로, 연구자와 실무자를 지원하기 위해 설계되었습니다. 이 저장소는 추천 시스템에 대한 중독 공격에 관한 우리의 설문 논문과 함께 공개되었습니다.멤버:
Wei Yuan, 퀸즐랜드 대학교, 호주, warrenyuan97@gmail.com
Hao Ma, 충칭 대학교, 중국, ma_hao@cqu.edu.cn
Zeao Chen, 충칭 대학교, 중국, zeao_chen@stu.cqu.edu.cn
Chenyu Li, 충칭 대학교, 중국, chenyu_li@stu.cqu.edu.cn
창립자:
Zongwei Wang, 충칭 대학교, 중국, zongwei@cqu.edu.cn
지원:
Prof. Min Gao, 충칭 대학교, 중국, gaomin@cqu.edu.cn
퀸즐랜드 대학교 ARC 정보 복원력 훈련 센터(CIRES), 호주
프레임워크
사용법
- 두 개의 구성 파일 attack_parser.py 와 recommend_parser.py 는 conf라는 디렉토리에 있으며, 구성 파일을 수정하여 추천 모델과 공격 모델을 선택하고 구성할 수 있습니다.
- main.py를 실행하세요.
구현된 모델들
| 추천 모델 | 논문 | | --- | --- | | GMF | Yehuda 등. 추천 시스템을 위한 행렬 분해 기법, IEEE Computer'09.| | WRMF | Hu 등. 암묵적 피드백 데이터셋을 위한 협업 필터링, KDD'09. | | NCF | He 등. 신경망 협업 필터링, WWW'17. | | NGCF | Wang 등. 신경 그래프 협업 필터링, SIGIR'19. | | LightGCN | He 등. LightGCN: 추천을 위한 그래프 컨볼루션 네트워크 단순화 및 강화, SIGIR'2020. | | SSL4Rec | Yao 등. 대규모 아이템 추천을 위한 자기 지도 학습, CIKM'2021. | | NCL | Lin 등. 이웃 강화 대조 학습을 통한 그래프 협업 필터링 개선, WWW'2022. | | SGL | Wu 등. 추천을 위한 자기 지도 그래프 학습, SIGIR'21. | | SimGCL | Yu 등. 그래프 증강이 필요한가? 추천을 위한 간단한 그래프 대조 학습, SIGIR'22. | | XSimGCL | Yu 등. XSimGCL: 추천을 위한 극도로 간단한 그래프 대조 학습, TKDE'23. | | 공격 모델 | 논문 | 사례 | | --- | --- | --- | | NoneAttack | 해당 없음 | 블랙 | | RandomAttack | Lam et al. 재미와 이익을 위한 추천 시스템 셸링 공격. WWW'2004 | 블랙 | | BandwagonAttack | Gunes et al. 추천 시스템에 대한 셸링 공격: 종합 조사. Artif.Intell.Rev.'2014 | 블랙 | | AUSH | Lin C et al. 증강 사용자 프로필을 이용한 추천 시스템 공격. CIKM'2020. | 그레이 | | LegUP | Lin C et al. 가짜 사용자 프로필 생성 학습을 통한 블랙박스 추천 시스템 셸링. IEEE Transactions on Neural Networks and Learning Systems'2022. | 그레이 | | GOAT | Wu et al. 추천 시스템에 대한 신종 위협 대비? 그래프 컨볼루션 기반 생성 셸링 공격. Information Sciences'2021. | 그레이 | | FedRecAttack | Rong et al. Fedrecattack: 연합 추천에서 모델 중독 공격. ICDE'2022. | 그레이 | | A_ra | Rong et al. 연합 학습 시나리오에서 딥러닝 기반 추천 모델 중독. IJCAI'2022. | 그레이 | | PGA | Li et al. 행렬 분해 기반 협업 필터링 데이터 중독 공격. NIPS'2016. | 화이트 | | DL_Attack | Huang et al. 딥러닝 기반 추천 시스템 데이터 중독 공격. arXiv'2021 | 화이트 | | PipAttack | Zhang et al. Pipattack: 아이템 프로모션 조작을 위한 연합 추천 시스템 중독. WSDM'2022. | 그레이 | | RAPU | Zhang et al. 불완전 및 왜곡된 데이터를 이용한 추천 시스템 데이터 중독 공격. KDD'2021. | 화이트 | | PoisonRec | Song et al. Poisonrec: 블랙박스 추천 시스템 공격을 위한 적응형 데이터 중독 프레임워크. ICDE'2021. | 블랙 | | CLeaR | Wang et al. 대비 학습 추천 시스템에 대한 중독 공격. arXiv'2023 | 화이트 | | GTA | Wang et al. 딥러닝 기반 추천 시스템 데이터 중독 공격 재검토. ISCC 2023 | 블랙 |
모델 구현하기
공격 모델을 구현할지 추천 모델을 구현할지 결정한 후 해당 디렉토리에 파일을 추가하세요.
공격 방법이 있다면, 다음을 확인하세요：
- 추천 모델 정보를 필요로 하는지, 그렇다면 self.recommenderGradientRequired=True로 설정하세요.
- 학습 중인 추천 모델 정보를 필요로 하는지, 그렇다면 self.recommenderModelRequired=True로 설정하세요.
- 함수 posionDataAttack() 를 재구현하세요.
- init()
- posionDataAttack()
- save()
- predict()
- evaluate()
- test()
데이터셋 다운로드
BAIDU DISK
Link: https://pan.baidu.com/s/1Gw0SI_GZsykPQEngiMvZgA?pwd=akgm
key: akgmGoogle Drive
Link: https://drive.google.com/drive/folders/1QLDickAMEuhi8mUOyAa66dicCTd40CG5?usp=sharing
요구 사항
base==1.0.4
numba==0.53.1
numpy==1.18.0
scipy==1.4.1
torch==1.7.1참고문헌
이 저장소가 귀하의 연구에 도움이 되었다면, 저희 논문을 인용해 주시기 바랍니다.
@article{wang2024poisoning,
title={추천 시스템에서의 중독 공격 및 방어: 설문 조사},
author={왕, 종웨이 and 유, 준량 and 가오, 민 and 위안, 웨이 and 예, 관화 and 사디크, 샤지아 and 인, 홍즈},
journal={arXiv preprint arXiv:2406.01022},
year={2024}
}