arXiv · cs.AI· Linda Bekov\'a, Rodrigo Alves·· 6 小时前
语言嵌入可能在推荐系统中泄露物品身份
Encoded but Exposed: Language Embeddings can Reveal More Than They Should in Recommender Systems
arXiv:2610.21713v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Linda Bekov\'a, Rodrigo Alves
期刊信息（来源提供）：3rd Workshop on Evaluating and Applying Recommender Systems with Large Language Models (EARL 2026), co-located with the 35th ACM International Conference on Information and Knowledge Management (CIKM 2026)
研究任务与主要进展
研究者发现，在推荐系统中，攻击者可利用余弦相似度攻击从语言嵌入中高平均倒数秩恢复物品身份，泄漏在多个语言模型、候选集设置和两个真实数据集上均出现。研究进一步指出，即使独立来源的描述仅存在语义对齐，泄漏仍可能持续，并可由稀疏评分传播至用户再识别；评估混淆描述后，作者发现存在明显的隐私泄漏—效用权衡。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org