NeurIPS 2024 Spotlight | 如何操纵时间序列预测结果？BackTime：全新的时间序列后门攻击范式

文章预览

多变量时间序列（MTS）预测任务在现实世界中有着广泛的应用，例如气象预测、交通预测等。而深度学习模型在这一任务上展现了强大的预测能力。 然而，大量文献表明，在分类任务中，深度学习模型非常容易被后门攻击从而给出错误的分类结果。因此，自然的想到，当面对适用于时间序列预测的深度学习模型时，后门攻击是否依然可以操纵预测结果？ 为了回答这个问题，本文首次 全面地定义了时间序列预测的后门攻击范式 ， 并进而提供了 对应的双层优化数学模型 。在此基础上，本文提出了模型无关的 BackTime 攻击方法，旨在通过改变时间依赖（temporal dependency）和跨变量依赖（inter-variable dependency）来影响被攻击模型的预测结果。 实验表明，通过 BackTime， 攻击者可以隐蔽地操纵预测模型，强制要求模型输出任意形状的预测结果 。这种全新的攻 ………………………………