服务质量(quality of service,QoS)感知云API推荐系统在解决云API过载问题、差异化云API性能和实现高质量云API选择中具有重要作用.但由于网络环境的开放性和云API的货币属性,推荐系统易受到投毒攻击,从而导致推荐结果偏离公平性和可信...服务质量(quality of service,QoS)感知云API推荐系统在解决云API过载问题、差异化云API性能和实现高质量云API选择中具有重要作用.但由于网络环境的开放性和云API的货币属性,推荐系统易受到投毒攻击,从而导致推荐结果偏离公平性和可信性.现有防御方法主要采用“检测防御”策略,即在模型训练前通过检测算法滤除恶意用户来缓解攻击影响,但受限于检测算法性能,不可避免地会出现无法将恶意用户全部滤除的情形.为此,从“以攻学防”的视角提出一种基于可信数据增强的QoS感知云API推荐系统投毒攻击持续防御方法.首先构建基于可信数据增强的投毒攻击防御框架,通过生成高质量可信用户数据并参与模型训练来增强推荐系统的鲁棒性.其次,设计基于扩散模型的可信用户生成算法.采用迭代去噪的方式学习真实云API的QoS数据分布,生成高质量的可信用户向量,消解投毒攻击数据对训练模型的影响.最后,基于真实云API的QoS数据集进行大量实验,利用3类11种推荐算法全面评估所提防御方法的有效性和普适性.实验结果表明,所提出的基于可信数据增强的投毒攻击持续防御框架是有效的,生成的可信用户可显著提高云API推荐系统的鲁棒性.展开更多
摘要服务质量(quality of service,QoS)感知云API推荐系统在解决云API过载问题、差异化云API性能和实现高质量云API选择中具有重要作用.但由于网络环境的开放性和云API的货币属性,推荐系统易受到投毒攻击,从而导致推荐结果偏离公平性和可信性.现有防御方法主要采用“检测防御”策略,即在模型训练前通过检测算法滤除恶意用户来缓解攻击影响,但受限于检测算法性能,不可避免地会出现无法将恶意用户全部滤除的情形.为此,从“以攻学防”的视角提出一种基于可信数据增强的QoS感知云API推荐系统投毒攻击持续防御方法.首先构建基于可信数据增强的投毒攻击防御框架,通过生成高质量可信用户数据并参与模型训练来增强推荐系统的鲁棒性.其次,设计基于扩散模型的可信用户生成算法.采用迭代去噪的方式学习真实云API的QoS数据分布,生成高质量的可信用户向量,消解投毒攻击数据对训练模型的影响.最后,基于真实云API的QoS数据集进行大量实验,利用3类11种推荐算法全面评估所提防御方法的有效性和普适性.实验结果表明,所提出的基于可信数据增强的投毒攻击持续防御框架是有效的,生成的可信用户可显著提高云API推荐系统的鲁棒性.