Fre-CW：利用频域损失对时间序列预测进行定向攻击
机器学习
2025-08-13 v1
摘要
基于Transformer的模型在时间序列预测方面取得了显著进展。然而，深度学习模型的一个关键局限性是其易受对抗攻击，这在时间序列预测的背景下尚未得到充分研究。与计算机视觉等领域已广泛研究对抗鲁棒性不同，时间序列数据的频域特征在预测任务中扮演着重要角色，但在对抗攻击方面尚未得到充分探索。本文提出了一种基于频域损失的时间序列预测攻击算法。具体而言，我们将一种最初为分类任务设计的攻击方法适配到预测领域，并使用时域和频域损失来优化对抗样本。据我们所知，目前尚无利用频率信息进行时间序列对抗攻击的相关研究。我们的实验结果表明，当前的时间序列预测模型容易受到对抗攻击，并且我们的方法在主要的时间序列预测数据集上取得了优异的性能。
引用
@article{arxiv.2508.08955,
title = {Fre-CW: Targeted Attack on Time Series Forecasting using Frequency Domain Loss},
author = {Naifu Feng and Lixing Chen and Junhua Tang and Hua Ding and Jianhua Li and Yang Bai},
journal= {arXiv preprint arXiv:2508.08955},
year = {2025}
}