时间序列分类中针对对抗攻击的轻量级防御

Yi Han

时间序列分类中针对对抗攻击的轻量级防御

机器学习 2025-05-06 v1 人工智能

作者: Yi Han

摘要

随着时间序列分类（TSC）日益重要，确保 TSC 模型对对抗攻击的鲁棒性至关重要。虽然对抗防御在计算机视觉（CV）领域已得到充分研究，但 TSC 领域主要依赖计算成本高昂的对抗训练（AT）。本文开发了五种专为时间序列定制、基于数据增强的防御方法，其中计算量最大的方法相比原始 TSC 模型仅增加了 14.07% 的计算资源。此外，这些方法的部署过程简单直接。利用我们方法的这些优势，我们创建了两种组合方法。其中一种方法是所有提出技术的集成，它不仅提供了比基于 PGD 的 AT 更好的防御性能，还增强了 TSC 模型的泛化能力。而且，我们集成方法所需的计算资源不到基于 PGD 的 AT 所需资源的三分之一。这些方法推动了数据挖掘中鲁棒 TSC 的发展。此外，随着基础模型越来越多地被探索用于时间序列特征学习，我们的工作为未来研究将基于数据增强的对抗防御与大规模预训练模型相结合提供了见解。

关键词

时间序列分类对抗防御数据增强轻量级对抗训练集成方法鲁棒性

引用

@article{arxiv.2505.02073,
  title  = {Lightweight Defense Against Adversarial Attacks in Time Series Classification},
  author = {Yi Han},
  journal= {arXiv preprint arXiv:2505.02073},
  year   = {2025}
}

备注

13 pages, 8 figures. Accepted at RAFDA Workshop, PAKDD 2025 (Springer, EI & Scopus indexed). Code: https://github.com/Yi126/Lightweight-Defence

时间序列分类中针对对抗攻击的轻量级防御

摘要

关键词

引用

备注

相关论文