文章目录
摘要
对上周进行的实验进行初步总结。
abstract
A preliminary summary of the experiments conducted last week.
一、 总结实验
背景/：多模态推荐有效缓解了数据稀疏性，但其底层通过简单线性加法融合异质特征。
漏洞：缺乏特征纯洁性审查，暴露出极高的表示流形脆弱性。
攻击降维劫持：
均值核弹攻击 (Mean-Hub)：注入全局均值特征，引发大盘无差别图谱污染（Steam 同质网络）。
爆款伪装攻击 (Top-1 Spoofing)：克隆爆款特征挂载冷门标签，实施隐蔽的靶向流量劫持（Amazon/Yelp 异质网络）。
消融与试错过程（一）------空间隔离的局限性：Proto-NoGate（仅隐空间隔离，无门控）
steam表现：ASR 高达 64.29%（基线为 65.76%），防御几乎无效。
单纯依赖隐空间流形规范存在"物理盲区"。
改进：强烈恶意信号依然能通过盲目融合前向通道汇入 GNN，必须部署硬性通道拦截。
消融与试错过程（二）------"防线反噬"漏洞：Proto-Asym（非对称门控，仅测试期开启安检）
表现：ASR 不降反升，激增至 9.99%（相较于无门控的 3.85% 翻了近 3 倍）。
原因（防线反噬 Defense Backfire）：训练期大门敞开，毒药节点通过多跳聚合深度污染了协同过滤 ID 嵌入。测试期即使拦截了视觉特征，已被污染的 ID 依然能霸占推荐列表。
架构进化： Proto-Sym（全生命周期对称信任门控），从训练开始就今昔进行双向锁闭。
隐空间可解释性分析
打开黑盒：到底发生了什么物理化学反应？PCA 拓扑驱逐：基线：红色毒药与绿色正常商品流形深度混叠（局部渗透）。Proto-Sym：红色毒药在几何博弈中激发排斥梯度，被强行拓扑孤立至边缘离群区。
总结
实验进行最后拓展中，本周进行了最后的模型选择，在此基础上，进行训练的额外消融。同时，按照老师建议补充多维度对比模型的训练和对比。