摘要
本发明一种显著性引导的时间序列对抗样本生成方法及，包括：获取目标时间序列分类模型及其对应的原始输入样本，采用时间序列训练集对所述模型进行有监督训练以确保所述模型对原始输入样本预测的准确性，并设定扰动迭代参数；基于目标时间序列分类模型，生成输入样本的显著性图；基于显著性图对目标时间序列分类模型构建融合分类损失与显著性对齐损失的复合损失函数，并基于投影梯度下降法框架，结合显著性引导策略对模型进行迭代优化以更新扰动，当达到迭代条件时，终止优化过程获得更新后的扰动，并基于获得的扰动输出最终对抗样本，完成时间序列的对抗样本生成。本发明同时兼顾时间序列对抗样本的攻击成功率和不可隐蔽性。
