협업 필터링을 위한 적대적 강인성 기반 엣지 재가중치 방어

초록

본 논문은 사용자 기반 협업 필터링에서 프로파일 주입(쉐일링) 공격에 취약한 이웃 관계를 보완하기 위해, 스펙트럴 적대적 강인성 평가(Spade)를 통해 각 사용자‑사용자 간 연결의 비강인성 점수를 산출하고, 이를 기반으로 유사도 가중치를 조정하는 엣지 재가중치 방어 기법을 제안한다. 실험 결과, 제안 방법은 공격에 의한 목표 아이템의 점수 상승 및 히트율 상승을 크게 억제하면서도 기존 CF의 예측 정확도(MAE, RMSE)를 유지하거나 약간 향상시킨다.

상세 분석

이 논문은 사용자 기반 협업 필터링(CF)이 사용자‑사용자 유사도 그래프를 기반으로 이웃을 선택하고 평점을 예측한다는 점에 착안해, 악의적인 프로파일 주입 공격이 그래프 구조를 왜곡시켜 목표 아이템을 부당하게 상승(푸시)하거나 하락(누크)시키는 문제를 해결하고자 한다. 핵심 아이디어는 그래프의 각 엣지를 “비강인성”이라는 정량적 점수로 평가한 뒤, 비강인성이 높은 엣지의 영향을 감소시키는 것이다. 이를 위해 먼저 원본 사용자‑사용자 유사도 그래프 Gₓ를 구축하고, 동일한 사용자 집합에 대해 별도의 임베딩 공간(예: SVD 혹은 스펙트럴 임베딩)에서 보조 그래프 Gᵧ를 만든다. 두 그래프의 라플라시안 Lₓ, Lᵧ를 이용해 일반화된 라플라시안 연산 L⁺ᵧLₓ을 정의하고, 가장 큰 s개의 고유값 ζ₁≥…≥ζₛ와 대응 고유벡터 v₁,…,vₛ를 구한다. 이때 Vₛ =