TimeWak：面向时间序列数据的时序链式哈希水印
密码学与安全
2025-10-23 v3 人工智能
机器学习
多媒体
摘要
扩散模型生成的合成时间序列使能够共享隐私敏感数据集，如患者功能性 MRI 记录。关键合成数据标准包括高数据实用性以及可被追溯以验证数据来源。最近的水印方法在均匀潜在空间中嵌入，但最新的时间序列生成器 operate in data space，使得潜在空间基于水印的方法不兼容。这导致在数据空间中直接进行水印嵌入、处理特征异构性和时序依赖性的挑战。我们提出 TimeWak，是 multivariate time series 扩散模型的首个水印算法。为处理时序依赖性和空间异构性，TimeWak 直接在时序特征数据空间中嵌入时序链式哈希水印。另一个独特特性是 -exact 反演，旨在解决从扩散过程反演导致特征跨特征的重构误差分布不均的问题，以检测水印。我们推导了在保持稳健水印可检测性的前提下，对 multivariate 时间序列反演误差界。我们在多个数据集和不同时序长度的基线上广泛评估了 TimeWak 的对合成数据质量、水印可检测性以及在各种 post-editing 攻击下的鲁棒性。我们的结果显示，TimeWak 在上下文-FID 分数上比最强的基于最先进方法提升了 61.96%，在相关性分数上提升了 8.44%，同时始终保持可检测性。
引用
@article{arxiv.2506.06407,
title = {TimeWak: Temporal Chained-Hashing Watermark for Time Series Data},
author = {Zhi Wen Soi and Chaoyi Zhu and Fouad Abiad and Aditya Shankar and Jeroen M. Galjaard and Huijuan Wang and Lydia Y. Chen},
journal= {arXiv preprint arXiv:2506.06407},
year = {2025}
}