文献

J-GLOBAL ID：202202231901458758   整理番号：22A0560875

小さな摂動は十分である:時系列予測に対する敵対的攻撃【JST・京大機械翻訳】

Small perturbations are enough: Adversarial attacks on time series prediction

著者 (6件)： Wu Tao (School of Cybersecurity and Information Law, Chongqing University of Posts and Telecommunications, Chongqing, China) ,  Wang Xuechun (School of Computer Science and Technology, Chongqing University of Posts and Telecommunications, Chongqing, China) ,  Qiao Shaojie (School of Software Engineering, Chengdu University of Information Technology, Chengdu, China) ,  Xian Xingping (School of Cybersecurity and Information Law, Chongqing University of Posts and Telecommunications, Chongqing, China) ,  Liu Yanbing (Chongqing Engineering Laboratory of Internet and Information Security, Chongqing University of Posts and Telecommunications, Chongqing, China) ,  Zhang Liang (School of Cybersecurity and Information Law, Chongqing University of Posts and Telecommunications, Chongqing, China)
資料名： Information Sciences  (Information Sciences)
巻： 587  ページ： 794-812  発行年： 2022年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 時系列データは,実世界の産業シナリオで広まっている。実世界アプリケーションにおける欠落情報を復元し推論するために,時系列予測の問題はデータマイニングにおける古典的研究トピックとして広く研究されている。深層学習アーキテクチャは次世代時系列予測モデルとして見なされてきた。しかし,最近の研究では,深層学習モデルが敵対攻撃に対して脆弱であることを示した。本研究では,時系列予測敵対攻撃の問題を前向きに調べ,時系列予測モデルの性能を劣化させるため,元の時系列に悪意のある摂動を加えることにより,敵対時系列を生成する攻撃戦略を提案した。特に,摂動ベースの敵対例生成アルゴリズムを予測モデルの勾配情報を用いて提案する。実際には,画像処理の分野での人間に対する不感性とは異なり,時系列データは異常摂動に対してより敏感であり,摂動量に関してより厳しい要求がある。この課題に取り組むために,元のデータをわずかに摂動するために重要度測定に基づく敵対時系列を工作する。実世界時系列データセットに関する包括的実験に基づいて,著者らは,提案した敵対攻撃方式が,目標時系列予測モデルLSTNetを効果的にプールするだけではなく,また,最先端のCNN-,RNN-,およびMHANETベースのモデルも攻撃することを立証した。一方,結果は,提案方法が良い移動可能性を達成することを示した。すなわち,特定の予測モデルのために生成された敵対的用例は,他の方法の性能に著しく影響を及ぼす。さらに,既存の敵対攻撃手法との比較を通して,提案した重要度測定ベースの敵対攻撃法に対して,はるかに小さい摂動が十分であると見ることができた。本論文で記述した方法は,時系列予測に対する敵対攻撃の影響を理解し,そのような予測技術のロバスト性を促進することで重要である。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  アルゴリズム ,  データ ,  *予測 ,  時系列 ,  画像処理 ,  応用プログラム ,  *摂動 ,  計算機アーキテクチャ ,  ロバスト性 ,  機械学習 ,  予測モデル ,  データマイニング ,  *サイバー攻撃
準シソーラス用語： 時系列データ ,  *時系列予測 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 時系列データ ,  時系列予測 ,  敵対的攻撃 ,  敵対的時系列

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 摂動 ,  時系列予測 ,  敵対 ,  攻撃