面向时间序列分类的不可感知对抗攻击：基于局部扰动与频谱分析
密码学与安全
2025-03-26 v1
摘要
时间序列分类(TSC)模型的对抗攻击近年来因其潜在的模型鲁棒性风险而受到关注。不可感知性至关重要，因为被人类视觉系统(HVS)检测到的对抗样本会降低攻击效果。许多现有方法未能产生高质量的不可感知样本，常生成包含较显眼低频分量(如方波)的扰动，并采用全局扰动降低隐蔽性。本文通过针对频谱成分和时间序列局部性，提高 TSC 模型对抗攻击的不可感知性。我们提出 Shapelet-based Frequency-domain Attack(SFAttack)，其利用聚焦于时间序列 shapelet 的局部扰动以增强判别信息和隐蔽性。此外，引入低频约束，将扰动限制于高频成分，以提升不可感知性。
引用
@article{arxiv.2503.19519,
title = {Towards Imperceptible Adversarial Attacks for Time Series Classification with Local Perturbations and Frequency Analysis},
author = {Wenwei Gu and Renyi Zhong and Jianping Zhang and Michael R. Lyu},
journal= {arXiv preprint arXiv:2503.19519},
year = {2025}
}