Nov, 2023

使用矩阵配置文件进行时间序列合成的匿名化

PDF
TL;DR通过基于矩阵剖面（Matrix Profile）的时间序列综合方法（TSSUMP），我们可以合成时间序列以替代原始数据，从而解决由于隐私规定或机密商业信息泄漏的难题，并保持合成时间序列与原始时间序列之间的相似连接信息（Matrix Profile），同时减少相关性，从而保护个别时间步长的值和本地模式，使得结果数据可以用于数据分析师感兴趣的下游任务。
data miningprivacy regulationstime series synthesis using the matrix profilesimilarity join informationgender masking prediction
发现论文，激发创造
  • 时间到模式：面向可扩展时间序列概括的信息论非监督学习

    时间序列汇总是从数据集中生成可解释和有代表性子集的过程。我们引入了一种名为 Time-to-Pattern (T2P) 的时间序列汇总方法，通过学习离散时间序列的信息嵌入，在解释性的潜在空间中找到一组多样性模式来编码最显著的信息，并在综合实验中展示了 T2P 相较之前的工作在模式多样性和处理可扩展性方面的显著改进。

    Aug, 2023

  • TSPP：一种用于时间序列预测的统一基准工具

    通过提出一个可扩展的合成图生成工具，该工具从专有数据集中学习一系列参数模型，可以为研究人员提供研究各种图方法的合成数据，从而实现原型开发和创新应用的目的。

    Dec, 2023

  • TSGM：一种灵活的生成式模型合成时间序列的框架

    本文介绍了 Time Series Generative Modeling（TSGM）框架，该框架利用生成模型、概率和模拟器等机器学习方法生成合成的时间序列数据，可以从相似度、预测一致性、多样性和隐私保护等方面评估数据质量。TSGM 不仅适用于开放数据集，而且在实际生产中也表现出巨大的潜力。同时，该项目允许用户使用命令行界面进行合成数据生成，这降低了编程背景较弱的用户的学习门槛。

    May, 2023

  • 从噪声数据计算矩阵剖面

    通过实验测量了从原始时间序列生成的 matrix profile 与加入不同噪声参数设置后的数据生成的 matrix profile 之间的相似性，结果显示 matrix profile 生成在少量噪声存在的情况下仍然具有弹性，但是随着噪声的增加，这种弹性消失了。

    Jun, 2023

  • 一个基于距离的原创全合成数据生成方法的统计属性和隐私保证

    通过开发多步骤的合成数据生成框架并评估其风险效用模型，成功评估了使用该框架生成的数据的质量，展示了开放 - CESP 倡议的技术和概念的可行性。

    Oct, 2023

  • tsMorph：生成半合成时间序列以理解算法性能

    tsMorph 方法通过数据集变形生成半合成时间序列，用以评估 Long Short-Term Memory Network 在频率不同的时间序列上的性能。研究结果表明，tsMorph 是一种有效理解预测算法行为的工具，并能克服实证研究所面临的限制，从而实现更广泛和可靠的实验。

    Dec, 2023

  • 基于矩阵剖析的时间序列变量滞后模式跟踪关系推理框架

    通过使用矩阵剖面方法，我们正式定义了一种在两个时间序列之间推断关注模式的理念，并提出了一个框架来推测两个时间序列之间的关注模式。该框架在模拟数据集中表现优于基线，并能够在音频记录和加密货币数据集中检测出关注模式。我们的框架可应用于任何时间序列领域，以获取关于时间序列之间关注模式的洞见。

    Jan, 2024

  • G-CMP: 基于图增强的上下文矩阵剖面，用于无监督的基于传感器的远程健康监测中的异常检测

    本研究介绍了一种基于传感器的远程健康监测方法，使用上下文矩阵剖面（CMP）的配置版来检测噪声环境下的异常事件和不良健康状况，同时提出了一种基于图形的异常检测方法，能够编码时间上下文的异常性，有效地辨识、监测与预警真正的异常状况。

    Nov, 2022

  • 推荐系统的部分合成数据：预测性能和偏好隐藏

    本研究采用统计披露控制方法生成合成数据，防止数据泄露，并在推荐系统算法实验中测试并展示其相对性能与原始数据的变化以及其隐藏了原始数据中某些可访问属性的现象。

    Aug, 2020

  • 时间域子采样的隐私放大

    为了在保持隐私的前提下利用时序数据，我们提出了一种基于子采样和过滤的隐私机制，通过减少个体对于时间序列的影响，从而显著地减小了加噪音的需求，而且我们用现实和合成的时间序列数据充分论证了其实用性。

    Jan, 2022