https://blog.qife122.com/tags/%E5%9B%BE%E6%B3%A8%E6%84%8F%E5%8A%9B%E7%BD%91%E7%BB%9C/ Recent content in 图注意力网络 on 办公AI智能小助手 Hugo zh-cn qife Thu, 18 Sep 2025 02:42:55 +0800 https://blog.qife122.com/p/badtime%E9%92%88%E5%AF%B9%E5%A4%9A%E5%85%83%E9%95%BF%E6%9C%9F%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97%E9%A2%84%E6%B5%8B%E7%9A%84%E6%9C%89%E6%95%88%E5%90%8E%E9%97%A8%E6%94%BB%E5%87%BB/ Thu, 18 Sep 2025 02:42:55 +0800 https://blog.qife122.com/p/badtime%E9%92%88%E5%AF%B9%E5%A4%9A%E5%85%83%E9%95%BF%E6%9C%9F%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97%E9%A2%84%E6%B5%8B%E7%9A%84%E6%9C%89%E6%95%88%E5%90%8E%E9%97%A8%E6%94%BB%E5%87%BB/ <h1 id="badtime针对多元长期时间序列预测的有效后门攻击">BadTime：针对多元长期时间序列预测的有效后门攻击</h1> <p><strong>摘要</strong>：多元长期时间序列预测（MLTSF）模型在气候、金融和交通等关键领域得到广泛应用。尽管已有多种强大的MLTSF模型被提出以提升预测性能，但这些模型在面对恶意后门攻击时的鲁棒性尚未被探索，而这对于确保其可靠和可信部署至关重要。为填补这一空白，我们深入研究了针对MLTSF模型的后门攻击，并提出了首个有效的攻击方法BadTime。</p>