Tensor decomposition methods have been widely used to represent a tensor into a compact representation of vectors or set of vectors. These representations should be able to reproduce the original input. Poison attacks occur when we change the input tensor data therefore negatively affecting the performance of succeeding tasks such as classification. In order to investigate how different tensor decomposition algorithms are vulnerable to attacks, we propose two methods of flipping the binary input tensors, namely random attack method and minimum difference method. Simulations show that applying minimum difference attack incurs greater reconstruction error than random attack. We also show that Alternating Poisson Regression algorithm is more vulnerable than Alternating Least Squares Algorithm when minimum difference attack is applied in terms of classifying movie genres.
텐서 분해 방법은 벡터 또는 벡터 집합을 간결하게 표현하기 위해 널리 사용되어 왔습니다. 이러한 표현은 원래 입력을 재현할 수 있어야 합니다. 공격은 입력 텐서 데이터를 변경하여 분류와 같은 후속 작업의 수행에 부정적인 영향을 미치는 것입니다. 서로 다른 텐서 분해 알고리즘이 공격에 얼마나 취약한지를 조사하기 위해, 이진 텐서의 원서를 바꿔치기하는 두 가지 방법, 즉 랜덤 공격 방법과 최소 차이 방법을 제안합니다. 시뮬레이션을 통해 최소 차이 공격을 적용하면 무작위 공격보다 재구성 오류가 더 많이 발생한다는 것을 알 수 있습니다. 또한 영화 장르 분류 측면에서 최소 차이 공격을 적용할 때 최소 제곱 알고리즘보다 교대 포아송 회귀 알고리즘이 더 취약하다는 것도 보여준다.
