面向时间序列数据的对抗攻击与防御基准测试
机器学习
2020-09-01 v1 人工智能
机器学习
摘要
深度网络的对抗脆弱性引发了全球研究人员的兴趣。毫不意外，如同图像一样，对抗样本也适用于时间序列数据，因为这是模型本身的固有弱点而非模态所致。已有若干尝试来防御这些对抗攻击，尤其是针对视觉模态。本文中，我们对已被充分验证的对抗防御方法在时间序列数据上进行了详细基准测试。我们将自己限制在 威胁模型下。我们还探讨了基于正则化的防御中平滑度与干净精度之间的权衡，以更好地理解它们所提供的权衡。我们的分析表明，所考察的对抗防御对强白盒与黑盒攻击均提供了鲁棒性。这为未来特别是针对时间序列数据的对抗攻击与防御研究铺平了道路。
引用
@article{arxiv.2008.13261,
title = {Benchmarking adversarial attacks and defenses for time-series data},
author = {Shoaib Ahmed Siddiqui and Andreas Dengel and Sheraz Ahmed},
journal= {arXiv preprint arXiv:2008.13261},
year = {2020}
}