論文の概要: Reference Recommendation based Membership Inference Attack against Hybrid-based Recommender Systems
- arxiv url: http://arxiv.org/abs/2512.09442v1
- Date: Wed, 10 Dec 2025 09:14:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-11 15:14:53.457972
- Title: Reference Recommendation based Membership Inference Attack against Hybrid-based Recommender Systems
- Title（参考訳）: 参照レコメンデーションに基づくハイブリッド型レコメンダシステムに対するメンバシップ推論攻撃
- Authors: Xiaoxiao Chi, Xuyun Zhang, Yan Wang, Hongsheng Hu, Wanchun Dou,
- Abstract要約: ハイブリッド型レコメンデーションシステムにおけるパーソナライズがMIA(Message Inference attack)に与える影響について検討する。
まず、パーソナライズの特徴を活用して、対象ユーザに対する参照レコメンデーションを得る。
そして、対象ユーザの履歴インタラクション、ターゲットレコメンデーション、参照レコメンデーションを利用して、対象ユーザのデータのメンバシップを推測する相対メンバシップメトリックを提案する。
- 参考スコア（独自算出の注目度）: 24.6791072766561
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recommender systems have been widely deployed across various domains such as e-commerce and social media, and intelligently suggest items like products and potential friends to users based on their preferences and interaction history, which are often privacy-sensitive. Recent studies have revealed that recommender systems are prone to membership inference attacks (MIAs), where an attacker aims to infer whether or not a user's data has been used for training a target recommender system. However, existing MIAs fail to exploit the unique characteristic of recommender systems, and therefore are only applicable to mixed recommender systems consisting of two recommendation algorithms. This leaves a gap in investigating MIAs against hybrid-based recommender systems where the same algorithm utilizing user-item historical interactions and attributes of users and items serves and produces personalised recommendations. To investigate how the personalisation in hybrid-based recommender systems influences MIA, we propose a novel metric-based MIA. Specifically, we leverage the characteristic of personalisation to obtain reference recommendation for any target users. Then, a relative membership metric is proposed to exploit a target user's historical interactions, target recommendation, and reference recommendation to infer the membership of the target user's data. Finally, we theoretically and empirically demonstrate the efficacy of the proposed metric-based MIA on hybrid-based recommender systems.
- Abstract（参考訳）: レコメンダシステムは、電子商取引やソーシャルメディアなど、さまざまな分野に広く展開されており、製品や潜在的な友人などのアイテムをユーザーの好みやインタラクション履歴に基づいて、インテリジェントにユーザに提案している。
近年の研究では、リコメンデーターシステムは、攻撃者がターゲットレコメンデーターシステムのトレーニングにユーザーのデータが使用されたかどうかを推測することを目的とした、メンバシップ推論攻撃(MIA)の傾向が示されている。
しかし、既存のMIAはレコメンデーションシステムのユニークな特性を利用することができず、2つのレコメンデーションアルゴリズムからなる混合レコメンデーションシステムにのみ適用可能である。
これにより、MIAをハイブリッドベースのレコメンデーションシステムに対して調査する際のギャップが残っており、ユーザとアイテムのインタラクションや属性を利用した同じアルゴリズムが、パーソナライズされたレコメンデーションを提供し、生成する。
ハイブリッド型レコメンデータシステムにおけるパーソナライズがMIAにどのように影響するかを検討するために,新しい計量型MIAを提案する。
具体的には、パーソナライズの特徴を活用して、対象ユーザに対する参照レコメンデーションを得る。
そして、対象ユーザの履歴インタラクション、ターゲットレコメンデーション、参照レコメンデーションを利用して、対象ユーザのデータのメンバシップを推測する相対メンバシップメトリックを提案する。
最後に,提案手法の有効性を理論的,実証的に実証した。
関連論文リスト
- Relevance meets Diversity: A User-Centric Framework for Knowledge Exploration through Recommendations [15.143224593682012]
本稿では,コプラ関数による妥当性と多様性を組み合わせた新しいレコメンデーション戦略を提案する。
我々は,システムと対話しながらユーザから得た知識量のサロゲートとして多様性を利用する。
我々の戦略は、最先端のライバル数社を上回っている。
論文 参考訳（メタデータ） (2024-08-07T13:48:24Z) - Shadow-Free Membership Inference Attacks: Recommender Systems Are More Vulnerable Than You Thought [43.490918008927]
本稿では,ユーザによる会員推論の推奨を直接活用するシャドウフリーMIAを提案する。
我々の攻撃は、ベースラインよりも偽陽性率の低い攻撃精度をはるかに向上させる。
論文 参考訳（メタデータ） (2024-05-11T13:52:22Z) - User Consented Federated Recommender System Against Personalized
Attribute Inference Attack [55.24441467292359]
本稿では,ユーザの異なるプライバシーニーズを柔軟に満たすために,ユーザ合意型フェデレーションレコメンデーションシステム(UC-FedRec)を提案する。
UC-FedRecは、ユーザーが様々な要求を満たすためにプライバシー設定を自己定義し、ユーザーの同意を得てレコメンデーションを行うことを可能にする。
論文 参考訳（メタデータ） (2023-12-23T09:44:57Z) - Impression-Aware Recommender Systems [53.48892326556546]
本稿ではインプレッションを用いたレコメンデーションシステムに関する体系的な文献レビューを行う。
本稿では,印象型レコメンデーションシステムと,印象型レコメンデーションシステムという,パーソナライズされたレコメンデーションのための新しいパラダイムを論じる。
論文 参考訳（メタデータ） (2023-08-15T16:16:02Z) - FedGRec: Federated Graph Recommender System with Lazy Update of Latent
Embeddings [108.77460689459247]
プライバシー問題を軽減するためのフェデレートグラフレコメンダシステム(FedGRec)を提案する。
本システムでは,ユーザとサーバは,ユーザとアイテムに対する遅延埋め込みを明示的に記憶する。
我々は,遅延埋め込みを相互作用グラフの欠落のプロキシとして用いることの有効性を検証するために,広範な実験的な評価を行った。
論文 参考訳（メタデータ） (2022-10-25T01:08:20Z) - A Review on Pushing the Limits of Baseline Recommendation Systems with
the integration of Opinion Mining & Information Retrieval Techniques [0.0]
Recommendation Systemsでは、利用者の期待にタイムリーかつ関連性がありながら、コミュニティ内のトレンドアイテムを識別することができる。
より優れた品質のレコメンデーションを達成するために、ディープラーニングの手法が提案されている。
研究者たちは、最も効果的なレコメンデーションを提供するために、標準レコメンデーションシステムの能力を拡大しようと試みている。
論文 参考訳（メタデータ） (2022-05-03T22:13:33Z) - Introducing a Framework and a Decision Protocol to Calibrate Recommender
Systems [0.0]
本稿では,ジャンルの校正バランスを考慮したレコメンデーションリスト作成手法を提案する。
主な主張は、キャリブレーションはより公平なレコメンデーションを生み出すために肯定的に貢献できるということである。
本稿では,1000以上の校正システムの組み合わせを生成するための概念的フレームワークと決定プロトコルを提案する。
論文 参考訳（メタデータ） (2022-04-07T19:30:55Z) - A Hybrid Recommender System for Recommending Smartphones to Prospective
Customers [0.7310043452300736]
ハイブリッドレコメンデータシステムは、補完的な利点の恩恵を受けるために、さまざまな方法で複数のレコメンデーション戦略を組み合わせる。
いくつかのハイブリッドレコメンデータシステムは、より堅牢なビルドシステムに対する協調フィルタリングとコンテンツベースのアプローチを組み合わせています。
本稿では,Alternative Least Squares(ALS)に基づく協調フィルタリングとディープラーニングを組み合わせたハイブリッドレコメンデーションシステムを提案する。
論文 参考訳（メタデータ） (2021-05-26T23:10:51Z) - Reward Constrained Interactive Recommendation with Natural Language
Feedback [158.8095688415973]
制約強化強化学習(RL)フレームワークを提案する。
具体的には,ユーザの過去の嗜好に反するレコメンデーションを検出するために,識別器を利用する。
提案するフレームワークは汎用的であり,制約付きテキスト生成のタスクにさらに拡張されている。
論文 参考訳（メタデータ） (2020-05-04T16:23:34Z) - A Bayesian Approach to Conversational Recommendation Systems [60.12942570608859]
ベイズ的アプローチに基づく会話推薦システムを提案する。
エンターテイナーを予約するオンラインプラットフォームであるemphstagend.comへのこのアプローチの適用に基づくケーススタディについて論じる。
論文 参考訳（メタデータ） (2020-02-12T15:59:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。