Sep, 2023
SWAP: 時序上對第二高分數利用的對抗攻擊
SWAP: Exploiting Second-Ranked Logits for Adversarial Attacks on Time Series
Chang George Dong, Liangwei Nathan Zheng, Weitong Chen, Wei Emma Zhang, Lin Yue
TL;DR时间序列分类是各个领域中的一个关键任务,深度神经模型在时间序列分类任务中展现出了卓越的性能。然而,这些模型容易受到对抗性攻击的影响,我们提出了一种名为 SWAP 的全新攻击方法,该方法能够提高次优预测的置信度,并通过最小化 Kullback-Leibler 散度来实现。实验证明,SWAP 方法取得了最先进的性能,攻击成功率超过 50%,相比现有方法提高了 18%。