基于不确定性的推荐系统注入攻击方法和系统

本申请涉及推荐系统鲁棒性技术领域，特别涉及一种基于不确定性的推荐系统注入攻击方法和系统，该方法包括以下步骤：首先，根据攻击模型和真实用户与物品的交互数据，生成虚假用户画像；然后，对虚假用户画像进行扰动操作来引发不确定性，生成新的虚假用户画像，并进行不确定性估计，得到不确定性得分；接下来，基于不确定性得分，对虚假用户画像进行更新，得到最优虚假用户画像；最后，采用真实世界样本和最优虚假用户画像构建数据集，并将数据集注入受害推荐模型中进行训练，以反映恶意用户的影响。本申请通过引入不确定性量化机制，动态调整攻击策略，以维持或提升中毒攻击的有效性，从而增强推荐系统在面对复杂动态环境时的攻击鲁棒性。