オンラインランキングラーニング（OLTR）は、情報検索および機械学習システムで重要な役割を果たし、検索エンジンやコンテンツリコメンダーに広く適用されています。しかし、広く使用されているにもかかわらず、OLTRアルゴリズムが組織的な敵対的攻撃に対して脆弱であるという理解は欠けています。この研究では、広く使用されているOLTRアルゴリズムを攻撃するための新しいフレームワークを提示します。このフレームワークは、学習アルゴリズムに線形の後悔を引き起こし、目標項目セットがT - o（T）ラウンド中に上位K個の推奨リストに表示されるように設計されています。 CascadeUCB1に対するCascadeOFAとPBM-UCBのPBMOFAという2つの新しい攻撃戦略を提案する。どちらの戦略も、成功にO（log T）の操作のみが必要であるという理論的保証を提供します。さらに、理論的分析を実際のデータの実験結果として補完する。
