Fugu-MT 論文翻訳(概要): Fortifying Time Series: DTW-Certified Robust Anomaly Detection

論文の概要: Fortifying Time Series: DTW-Certified Robust Anomaly Detection

arxiv url: http://arxiv.org/abs/2605.07690v1
Date: Fri, 08 May 2026 12:59:52 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-11 19:43:39.0545
Title: Fortifying Time Series: DTW-Certified Robust Anomaly Detection
Title（参考訳）: Fortifying Time Series:DTW-Certified Robust Anomaly Detection
Authors: Shijie Liu, Tansu Alpcan, Christopher Leckie, Sarah Erfani,
Abstract要約: 時系列異常検出は、高精度なアプリケーションにおける安全性を確保するために重要である。既存のディフェンスは、ほとんど互換性がないか、$ell_p$-norm制約の下でのみ、認証された堅牢性を提供する。ランダムな平滑化パラダイムを適用することで,時系列異常検出における最初のemphDTW認証型ロバストディフェンスを導入する。
参考スコア（独自算出の注目度）: 12.25463709762372
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Time-series anomaly detection is critical for ensuring safety in high-stakes applications, where robustness is a fundamental requirement rather than a mere performance metric. Addressing the vulnerability of these systems to adversarial manipulation is therefore essential. Existing defenses are largely heuristic or provide certified robustness only under $\ell_p$-norm constraints, which are incompatible with time-series data. In particular, $\ell_p$-norm fails to capture the intrinsic temporal structure in time series, causing small temporal distortions to significantly alter the $\ell_p$-norm measures. Instead, the similarity metric \emph{Dynamic Time Warping} (DTW) is more suitable and widely adopted in the time-series domain, as DTW accounts for temporal alignment and remains robust to temporal variations. To date, however, there has been no certifiable robustness result in this metric that provides guarantees. In this work, we introduce the first \emph{DTW-certified robust defense} in time-series anomaly detection by adapting the randomized smoothing paradigm. We develop this certificate by bridging the $\ell_p$-norm to DTW distance through a lower-bound transformation. Extensive experiments across various datasets and models validate the effectiveness and practicality of our theoretical approach. Results demonstrate significantly improved performance, e.g., up to 18.7\% in F1-score under DTW-based adversarial attacks compared to traditional certified models.
Abstract（参考訳）: 時系列異常検出は、単なるパフォーマンス指標というよりは、ロバスト性が基本的な要件であるハイテイクなアプリケーションにおいて、安全性を確保するために重要である。したがって、これらのシステムの脆弱性を敵の操作に対処することが不可欠である。既存の防御は概ねヒューリスティックであり、時系列データと互換性のない$\ell_p$-norm制約の下でのみ、認証された堅牢性を提供する。特に$\ell_p$-normは時系列の固有時間構造を捉えず、小さな時間歪みが$\ell_p$-norm測度を著しく変化させる。その代わり、DTWは時間的アライメントを考慮し、時間的変動に対して堅牢であり続けるため、DTWは時系列領域でより適しており広く採用されている。しかし、これまでのところ、保証を提供する指標に証明可能な堅牢性は存在しない。本研究では,ランダムな平滑化パラダイムを適用した時系列異常検出において,最初の 'emph{DTW-certified robust defense} を導入する。我々はこの証明書を下界変換によりDTW距離に$\ell_p$-normをブリッジすることで開発する。様々なデータセットやモデルにまたがる大規模な実験は、我々の理論的アプローチの有効性と実用性を検証する。その結果、従来の認証モデルと比較して、DTWベースの敵攻撃でF1スコアの18.7%まで性能が大幅に向上した。

関連論文リスト

Adversarial Robustness of Time-Series Classification for Crystal Collimator Alignment [1.6442161836316014]
我々は,CERNにおける結晶-コリメータアライメントを支援する畳み込みニューラルネットワーク(CNN)の対角的ロバスト性を分析し,改善する。実世界の妥当性に基づいた対角的脅威モデルの下で, 局所ロバスト性特性を定式化する。我々は、FoolboxとARTでロバストネスをベンチマークすることで、アタックベースのロバストネス推定とパイプラインチェックの有効性に重点を置いている。
論文参考訳（メタデータ） (2026-04-07T13:19:09Z)
ProtoDCS: Towards Robust and Efficient Open-Set Test-Time Adaptation for Vision-Language Models [32.840734752367275]
Prototype-based Double-Check separation (ProtoDCS)はOSTTAの堅牢なフレームワークである。 csIDとcsOODを分離し、ビジョン言語モデルのcsIDデータへの安全かつ効率的な適応を可能にする。 ProtoDCSは、既知のクラス精度とOOD検出メトリクスの両方を大幅に向上させる。
論文参考訳（メタデータ） (2026-02-27T03:39:02Z)
MEMTS: Internalizing Domain Knowledge via Parameterized Memory for Retrieval-Free Domain Adaptation of Time Series Foundation Models [51.506429027626005]
Memory for Time Series (MEMTS) は、時系列予測における検索不要領域適応のための軽量かつプラグアンドプレイ方式である。 MEMTSの鍵となるコンポーネントは知識永続化モジュール(KPM)であり、ドメイン固有の時間力学を内部化する。このパラダイムシフトにより、MEMTSは定数時間推論とニアゼロレイテンシによる正確なドメイン適応を実現することができる。
論文参考訳（メタデータ） (2026-02-14T14:00:06Z)
Forecasting as Rendering: A 2D Gaussian Splatting Framework for Time Series Forecasting [79.37674445572462]
時系列予測(TSF)は、周期内変動と周期間トレンドの複雑な絡み合いのため、依然として困難な問題である。形状変化テンソルを静止画像として扱うと、トポロジカルミスマッチが発生する。均一な固定サイズの表現に依存することは、モデリング能力を非効率に割り当てる。 TimeGSは、予測パラダイムをレグレッションから2D生成レンダリングに根本的にシフトする、新しいフレームワークである。
論文参考訳（メタデータ） (2026-02-10T14:13:36Z)
EntroPE: Entropy-Guided Dynamic Patch Encoder for Time Series Forecasting [50.794700596484894]
IntroPE(Entropy-Guided Dynamic Patch)は,条件付きエントロピーによる遷移点を動的に検出する新しい時間情報フレームワークである。これは、パッチの計算上の利点を維持しながら、時間構造を保存する。長期予測ベンチマークによる実験では、EntroPEは精度と効率の両方を改善している。
論文参考訳（メタデータ） (2025-09-30T12:09:56Z)
Advancing Reliable Test-Time Adaptation of Vision-Language Models under Visual Variations [67.35596444651037]
視覚言語モデル(VLM)は、素晴らしいゼロショット機能を示すが、ラベル付きデータが利用できない場合、下流タスクの分散シフトに苦慮する。本稿では,信頼性を両面から高めるReliable Test-Time Adaptation (ReTA)法を提案する。
論文参考訳（メタデータ） (2025-07-13T05:37:33Z)
Diffeomorphic Temporal Alignment Nets for Time-series Joint Alignment and Averaging [8.14908648005543]
時系列分析では、非線形時間的不整合は、森林労働者がより単純な平均化を行うための重要な課題である。 DTANは入力依存の方法で微分同相変換を予測し、適用することにより、時系列アンサンブルのジョイントアライメント(JA)と平均化を容易にする。我々は、マルチタスク学習(MT-DTAN)を組み込むためにフレームワークを拡張し、同時調整と分類を可能にした。
論文参考訳（メタデータ） (2025-02-10T15:55:08Z)
Enhancing Test Time Adaptation with Few-shot Guidance [62.49199492255226]
深層ニューラルネットワークは、トレーニング(ソース)とテスト(ターゲット)データのドメインシフトに直面しながら、大きなパフォーマンス低下に直面することが多い。 TTA(Test Time Adaptation)法は,事前学習したソースモデルを用いて,配信外ストリーミングターゲットデータを処理する手法として提案されている。本稿では,Few-Shot Test Time Adaptation (FS-TTA) を開発した。
論文参考訳（メタデータ） (2024-09-02T15:50:48Z)
SimAD: A Simple Dissimilarity-based Approach for Time Series Anomaly Detection [23.684577046512747]
私たちは、$textbfSim$ple dissimilarity-based approach for time series $textbfA$nomaly $textbfD$etection($textbfSimAD$)を紹介します。 SimADは最初、拡張時間ウィンドウを処理できるパッチベースの機能抽出器を組み込んでおり、通常の動作パターンを完全に統合するためにEmbedPatchエンコーダを使用している。次に,SimADにおけるContrastFusionモジュールの設計を行い,異常検出のロバスト性を高める。
論文参考訳（メタデータ） (2024-05-18T09:37:04Z)
Robust Time Series Dissimilarity Measure for Outlier Detection and Periodicity Detection [16.223509730658513]
本稿では,ノイズや外れ値の影響を低減するため,RobostDTWという新しい時系列差分尺度を提案する。具体的には、ロバストDTWは、設計した時間グラフトレンドフィルタリングを利用して、トレンドを推定し、時間ワープを交互に最適化する。実世界のデータセットを用いた実験では、外乱時系列検出と周期性検出の両方において、DTWの変種と比較してロバストDTWの優れた性能を示す。
論文参考訳（メタデータ） (2022-06-07T00:49:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。