通过操纵环境对自回归模型的最优攻击
机器学习
2019-12-03 v3 机器学习
摘要
我们描述了一种针对使用线性二次调节器（LQR）的自回归时间序列预测的最优对抗攻击形式化方法。在该威胁模型中，环境依据动力系统演化；一个自回归模型观测当前环境状态并预测其未来值；攻击者有能力修改环境状态以操纵未来的自回归预测。攻击者的目标是迫使自回归预测跟踪一条目标轨迹，同时最小化其攻击代价。在攻击者知晓环境与预测模型的白盒设定下，我们针对线性模型给出基于 LQR 的最优攻击，针对非线性模型给出基于模型预测控制（MPC）的最优攻击。在黑盒设定下，我们结合系统辨识与 MPC。实验证明了我们攻击的有效性。
引用
@article{arxiv.1902.00202,
title = {Optimal Attack against Autoregressive Models by Manipulating the Environment},
author = {Yiding Chen and Xiaojin Zhu},
journal= {arXiv preprint arXiv:1902.00202},
year = {2019}
}