针对序列数据的隐蔽对抗攻击神经网络

本研究针对现有时间序列模型对抗攻击的可检测性问题，提出了一种隐蔽对抗攻击方法，通过增强扰动的逼真性，使其难以被人眼或简单检测模型识别。实验结果表明，该方法在多个数据集和多种模型架构中展示了其优越性，提出了对时间序列模型设计的挑战，并强调了针对有效攻击的防御需求。