KDD2024 | 兴趣点推荐中的隐私风险研究

文章预览

嘿，记得给“ 机器学习与推荐算法 ”添加 星标 TLDR : 针对敏感移动数据可能从机器学习模型中被泄露的问题，本文设计了一个隐私攻击套件，包括四种针对不同数据粒度和不同目标的攻击，以理解兴趣点推荐中的模型隐私泄露问题。实验结果表明，当前的兴趣点推荐模型非常容易受到隐私攻击，亟需合适的防御措施。 论文： https://arxiv.org/abs/2310.18606 代码： https://github.com/KunlinChoi/POIPrivacy 0 摘要 基于位置的服务（LBS，Location Based Services），如地图等，近来得到了广泛的发展。各大厂商通过收集用户的移动数据来训练模型，从而提供更准确的推荐服务。然而，这些收集的个人数据包含了敏感的个人信息，如住址、日常轨迹等。在这篇文章中，我们讨论了在兴趣点推荐（POI Recommendation）等服务中，隐私数据可能通过模型泄露。本文提出了一个隐私攻击 ………………………………