m0_37412775的博客

无监督任务。

论文发表于2022 Information Sciences框架图总览：摘要：[背景描述] 时间序列数据在现实工业场景中广泛存在。为了恢复和推断现实应用中丢失的信息，时间序列预测问题作为数据挖掘中的经典研究课题已被广泛研究。 深度学习架构也被看作是下一代时间序列预测模型。然而，最近的研究表明，深度学习模型很容易受到对抗性攻击。[本文做法] 本文前瞻性地检测了时间序列预测对抗攻击问题，并提出了一种通过向原始时间序列添加恶意扰动来生成对抗性时间序列的攻击策略，以恶化时间序列预测模型的性能。具体地，使用预测模型梯