PulseAugur
中
实时 11:49:19
English(EN) GENADA: efficient generative time series adversarial attack framework

新的GENADA框架为时间序列模型生成高效的对抗攻击

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了GENADA，一个新颖的生成对抗攻击框架，旨在为时间序列深度学习模型创建欺骗性扰动。该框架学习一个生成模型，以便在单次前向传播中高效地生成这些扰动，为传统的基于梯度的攻击提供了一种计算负担较轻的替代方案。GENADA在推理过程中生成扰动所需的时间显著减少，同时攻击质量与现有方法相当。 AI

影响 这项研究可能有助于提高关键时间序列应用中对抗攻击的鲁棒性。

排序理由 该集群包含一篇详细介绍时间序列模型对抗攻击新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的GENADA框架为时间序列模型生成高效的对抗攻击

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Michael Baronov, Denis Vorobev, Margarita Rusanova, Petr Sokerin, Alexey Zaytsev ·

    GENADA：高效生成式时间序列对抗攻击框架

    arXiv:2608.12535v1 Announce Type: new Abstract: Deep learning models are widely used for time series analysis in domains such as healthcare, finance, energy systems, and environmental monitoring. However, these models remain vulnerable to adversarial attacks, where small input pe…

相关实体

相关话题