第11周周报（11.08-11.14）

第11周周报（11.08-11.14）

目录

• 一.本周任务
• 二.已完成的任务
• • 1.有关推荐系统
  • 2.推荐系统的攻击
  • • 2.1 step1:Labeled Data Generation
    • 2.2 step2: Attack Model Establishment
    • 2.3 step3:Parameter Optimization
  • 3.可能存在的错误
• 三.未完成的任务
• • 1.代码运行
• 四.下周计划

一.本周任务

• 对推荐系统攻击有一个大致的了解
• 运行出代码

二.已完成的任务 1.有关推荐系统

• Item-based Collaborative Filtering (Item)：计算物体之间的相似度，旨在
  找到用户喜欢的那些。
• Latent Factor Model (LFM)：构建潜在空间以连接用户偏好
  和物品属性。
• Neural Collaborative Filtering (NCF)：将深度学习技术与协同过滤相结合，以提高推荐性能。

2.推荐系统的攻击

2.1 step1:Labeled Data Generation

M p × q f ≈ M q × l i t e m ⋅ M l × p u s e r T mathbf{M}^f_{ptimes q} approx mathbf{M}^{item}_{qtimes l}cdot mathbf{M}^{user mathrm{T}}_{ltimes p} Mp×qf​≈Mq×litem​⋅Ml×puserT​
将用户-物品矩阵分解为物品矩阵和用户矩阵，分别代表了物品的性质和用户的偏好，其中物品矩阵的每一行代表了一个物品的特征向量。根据分解的内容训练出一个简单的推荐系统模型，这个简单的推荐系统模型模仿了被攻击的推荐系统模型，用简单的推荐系统模型产生标签数据属于用于训练攻击模型。

2.2 step2: Attack Model Establishment

用两层的多层感知机搭建攻击模型，用于判断某用户是否为会员或者非会员。

2.3 step3:Parameter Optimization

利用交叉熵来最优化参数

3.可能存在的错误

根据描述

所得的表述大致变现为： M p × q f ≈ M q × l i t e m ⋅ M l × p u s e r T mathbf{M}^f_{ptimes q} approx mathbf{M}^{item}_{qtimes l}cdot mathbf{M}^{user mathrm{T}}_{ltimes p} Mp×qf​≈Mq×litem​⋅Ml×puserT​，约等式右边的矩阵大小与左边并不相等。

三.未完成的任务 1.代码运行

1.按照文档要求配置python=3.6 tensorflow=1.15的环境运行，发现错误

可能原因：tensorflow的1.15版本自带的estimator是2.5版本，版本不兼容的问题
解决办法：卸载2.5版本，下载1.15版本：pip install tensorflow-estimator==1.15.0；
2.若采取pip uninstall tensorflow-estimator会使得所有的有关tensorflow的东西全部删除掉
解决办法：直接下载tensorflow-estimator=1.15，让新下载的覆盖2.5版本；
3.程序能运行一部分，但是还是有报错，无法继续执行下去

四.下周计划

• 运行出代码；
• 进一步理解推荐系统的攻击。