An Efficient and Effective Agentic Group Shilling Attack on Recommender Systems
该论文聚焦推荐系统面临的一类重要安全威胁——刷榜/刷单攻击(shilling attack,即攻击者通过注入虚假用户档案来扭曲物品排名、操纵曝光度)。作者指出,现有刷榜攻击方法存在两个明显短板:一是往往需要针对特定目标物品进行微调,或依赖固
共收录 3 条相关情报。
← 返回所有主题该论文聚焦推荐系统面临的一类重要安全威胁——刷榜/刷单攻击(shilling attack,即攻击者通过注入虚假用户档案来扭曲物品排名、操纵曝光度)。作者指出,现有刷榜攻击方法存在两个明显短板:一是往往需要针对特定目标物品进行微调,或依赖固
本文是团队"Go To Germany"参加ImageCLEF 2026深度伪造检测与生成任务的系统描述,并在官方任务之外额外开展了基于净化的对抗检测研究。在图像生成任务中,作者使用FLUX.1-dev与PuLID进行身份保持的人脸合成,并
本文研究了深度神经网络中对抗性噪声在不同层间的非均匀传播现象,并首次从理论上给出了形式化的对抗噪声放大定理。作者推导出一组充分条件,保证对抗噪声在特定层或特征空间中以可预测的方式放大,从而为对抗样本检测提供了坚实的数学基础。基于理论分析,他