LLM4MEA：借助大语言模型对序列推荐系统发起无数据模型提取攻击
LLM4MEA: Data-free Model Extraction Attacks on Sequential Recommenders via Large Language Models
AI 导读
研究者提出 LLM4MEA，用大语言模型充当类人排序器，对序列推荐系统发起无数据模型提取攻击（MEA）。该方法通过 LLM 排序器与目标推荐系统交互生成训练数据，排序器分析历史交互以理解用户行为，并从推荐结果中挑选偏好一致的物品来扩展交互历史。论文实验显示，该方法将合成数据与真实世界数据的分布差异最多降低 64.98%，模型提取攻击性能平均提升 44.82%。作者还从防御角度提出一种简单有效的防御策略，并识别出可缓解模型提取攻击风险的推荐系统关键超参数。