TrojanTime：针对时间序列分类的后门攻击
密码学与安全
2025-02-04 v1 人工智能
机器学习
摘要
时间序列分类（TSC）极易受到后门攻击，构成重大安全威胁。现有方法主要侧重于训练阶段的数据投毒，设计复杂的触发器以提高隐蔽性和攻击成功率（ASR）。然而，在实际场景中，攻击者在访问训练数据方面常常面临限制。此外，当数据不可访问时，模型在保持对干净测试数据泛化能力的同时，仍对投毒输入保持脆弱性是一个挑战。为应对这些挑战，我们提出了 TrojanTime，一种新颖的两步训练算法。在第一阶段，我们通过目标对抗攻击，使用外部任意数据集生成一个伪数据集。然后，干净模型在该伪数据集及其投毒版本上进行持续训练。为确保泛化能力，第二阶段采用精心设计的训练策略，结合逻辑值对齐和批归一化冻结。我们在来自不同领域的 UCR 基准数据集上，使用五种触发器在四种 TSC 架构上评估了 TrojanTime。结果证明了 TrojanTime 在执行后门攻击同时保持干净准确率的有效性。最后，为缓解这种威胁，我们提出了一种防御性遗忘策略，该策略在保持干净准确率的同时有效降低了 ASR。
引用
@article{arxiv.2502.00646,
title = {TrojanTime: Backdoor Attacks on Time Series Classification},
author = {Chang Dong and Zechao Sun and Guangdong Bai and Shuying Piao and Weitong Chen and Wei Emma Zhang},
journal= {arXiv preprint arXiv:2502.00646},
year = {2025}
}
备注
13 pages, 3 figures, 3 tables