Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

RecPS: Privacy Risk Scoring for Recommender Systems

작성자
  • Haebom

作者

Jiajie He, Yuechun Gu, Keke Chen

概要

本論文では、推奨システム（RecSys）のプライバシーリスクを定量化する新しい方法であるRecPSを提案します。 RecPSは、メンバーシップ推論攻撃（MIA）ベースのプライバシースコアを計算し、相互作用とユーザーレベルでプライバシーリスクを測定します。特に、相互作用レベルのMIA法であるRecLiRAを使用して、高精度のメンバーシップ推定を提供します。 RecPSの相互作用レベルのスコアは、差別的なプライバシーの概念から導き出され、それに基づいてユーザーレベルのスコアの計算方法に拡張されます。実験結果は,RecPSがリスク評価とRecSysモデルの展開に有効であることを示した。

Takeaways、Limitations

•
Takeaways：
◦
RecSysのプライバシーリスクを定量的に測定する新しい方法を紹介します。
◦
対話とユーザーレベルでのプライバシーリスクの両方を評価できます。
◦
差別的個人情報保護の概念に基づいて理論的根拠を備えた方法です。
◦
RecSysモデルの展開に利用可能性を提示します。
◦
高品質のメンバーシップ推定を提供するRecLiRAを提案します。
•
Limitations：
◦
提案された方法の実際の適用に必要な計算コストの分析が不足する可能性があります。
◦
さまざまな種類の推奨システムモデルとデータセットの一般化パフォーマンスに関する追加の研究が必要です。
◦
RecLiRAのパフォーマンスが特定のデータセットまたはモデルに偏っている可能性があります。
◦
実際のサービス環境での適用と効果の検証がさらに必要です。
👍
Slashpage로 제작됨