基于图神经网络的多元时间序列数据隐私保护方法

本文介绍了一种基于图神经网络的多元时间序列数据隐私保护方法。首先，通过构建特征图来学习多元时间序列数据中变量之间的时间相关性。其次，利用LSTM算法根据时间依赖关系提取每个变量的关键信息，并使用变分自编码器学习每个观测值的潜在表征，以提高任务异常检测的鲁棒性。然后，通过联合优化目标函数计算重构模型的损失，并根据预测值与实际值的偏差计算当前时刻的异常评分，通过与阈值比较来检测异常任务。实验结果表明，该方法不仅能有效保护数据隐私，还能检测整个任务过程中的虚假任务信息。