跳到正文
热点事件持续更新

论文:余弦相似度攻击可从语言嵌入恢复推荐物品身份

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

研究者 Linda Beková 与 Rodrigo Alves 等发布论文,提出一种基于余弦相似度的攻击,可从推荐系统的语言嵌入中以较高平均倒数秩恢复物品身份。该泄漏在多个语言模型、不同候选集设置和两个真实数据集上均出现。 论文还称,即使来自独立来源的描述仅有语义对齐,泄漏仍可能持续,并可通过稀疏评分传播到用户再识别。作者评估了用混淆描述做缓解,发现存在明显的隐私泄漏—效用权衡。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月16日
  1. arXiv · cs.AI
    语言嵌入可能在推荐系统中泄露物品身份

    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。

本事件热度走势

可比范围当前
9
可比范围峰值
910月16日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。