浙大 PGPO:扰动语义嵌入防 LLM 推荐系统反演攻击

zju · hf · 2026-11-19

浙江大学团队提出 PGPO(Prototype-Guided Progressive Obfuscation),用于防护 LLM 增强推荐系统中的嵌入反演攻击。方法分三阶段:先按影响分数识别原型词并构建静态图;再用 GRPO 策略引导 LLM 探索原型词变体;最后向非原型词扩展。奖励函数兼顾个体差异(降低与源嵌入相似度)、结构一致性(保持图结构)与语义约束(保持与类别锚点距离),在扰动高影响语义嵌入的同时保留物品间相对关系。

原文链接 →

「安全」频道最新

更多「安全」频道 AI 资讯 →