智能数据中毒攻击：众包系统与Dawid-Skene模型的挑战

"Crowdsourcing and Human Computation for the Web - WWW2018 Conference, Lyon, France, April 23-27, 2018" 本文主要探讨了众包系统中的一个重要问题——智能数据中毒攻击机制及其对Dawid-Skene模型的影响。众包作为一种有效的信息收集手段，被广泛应用在解决复杂任务中。然而，众包系统的一个显著挑战是数据的质量不可靠，因为参与者的贡献可能存在恶意或错误。特别地，系统中可能存在的恶意工作者会实施数据中毒攻击，以破坏系统或获取不正当利益。 Dawid-Skene模型是一种常用的数据聚合方法，它考虑了工作者的可靠性，通过期望最大化(EM)算法进行最大似然估计(MLE)，以联合估计每个工作者的标签分配。尽管该模型旨在提升数据质量，但它依然存在漏洞，容易被智能攻击所利用。攻击者可能利用这些漏洞，实施既能最大化攻击效果又不易被察觉的策略。 文章介绍了一种新型的智能攻击机制，该机制允许攻击者在保持隐蔽性的同时，实现最大的攻击效益。这种机制的设计考虑了攻击行为的伪装，使得在众包系统中识别和防御这类攻击变得更加困难。为了验证提出的攻击机制的有效性，研究人员进行了广泛的实验，使用了真实世界的众包数据集，以展示其理想特性。 文章的CCS概念涉及安全和隐私，特别是系统安全以及以人为中心的计算，强调了在协作和社会计算环境中的安全性问题。关键词包括众包、数据中毒和期望最大化，表明了研究的核心内容。 这篇论文揭示了众包系统在面对智能数据中毒攻击时的脆弱性，并提出了新的攻击策略，这对理解众包系统的安全性具有重要意义。同时，这也为未来开发更健壮的防御机制提供了理论基础和实践参考。