چارچوبی برای سنجش میزان اطمینان آشکارسازهای تقلب در سیستم‌های پیشنهادگر

آشکارسازهای شیلینگ در سیستم‌های پیشنهادگر معمولاً با یک معیار، یعنی AUROC، ارزیابی می‌شوند؛ معیاری که به‌تنهایی نشان نمی‌دهد در چه شرایطی می‌توان به نتیجهٔ آشکارساز اعتماد کرد. پژوهشگران در پیش‌چاپی در arXiv، چارچوبی به نام VEIL (ارزیابی واریاسیونی از طریق یادگیری معکوس تقویتی) برای ممیزی این آشکارسازها پیشنهاد کرده‌اند.

VEIL بر تعبیه‌های encoderهای ثابت‌شده کار می‌کند و سه بخش دارد: پسین پایه، گسترش سلسله‌مراتبی ARD با میزان اطمینانِ آموخته‌شده، و مدلی آمیخته که برچسب‌ها در آن مسیر داده‌ها را به نمونه‌های عادی یا مهاجم هدایت می‌کنند. بخش سوم برای بررسی انباشت شواهد در نظر گرفته شده است.

نویسندگان همچنین گزاره‌ای را اثبات می‌کنند: اگر نمایشِ مورد استفادهٔ آشکارساز در برابر تبدیلی از پروفایل کاربران ناوردا باشد، آن آشکارساز نمی‌تواند در برابر حمله‌ای که با آن تبدیل تمایزناپذیر است، بهتر از شانس عمل کند. چکیدهٔ منتشرشده جزئیات بیشتری دربارهٔ شرایط این نتیجه یا ارزیابی تجربی چارچوب ارائه نمی‌کند.