Detecting Diffusion-Generated Time Series Under Generator Shift

ملخص تقني: كشف السلاسل الزمنية المولدة بواسطة نماذج الانتشار تحت تأثير تغير المولد

بيان المشكلة
أصبحت الحدود بين السلاسل الزمنية الحقيقية وتلك المولدة بواسطة نماذج الانتشار (Diffusion-generated) صعبة التمييز بشكل متزايد، مما يشكل مخاطر على سلامة البيانات في المجالات الحيوية مثل الرعاية الصحية والتمويل. وبينما تقدم توليد البيانات الاصطناعية عبر نماذج الانتشار (مثل SSSD وTSDiff) خطوات متقدمة، إلا أن كشف هذه البيانات الاصطناعية لا يزال غير مستكشف بشكل كافٍ، لا سيالما عندما يكون المولد مجهولاً. تعتمد طرق الكشف الحالية غالباً على افتراضات صالحة في مجال الصور—تحديداً توفر "أولوية إعادة بناء عالمية" (Universal reconstruction prior) أو الوصول المباشر إلى التوزيع الداخلي للمولد. ومع ذلك، فإن هذه الافتراضات لا تنطبق على السلاسل الزمنية، حيث يتم تدريب النماذج عادةً على توزيعات ضيقة ذات ديناميكيات عكسية فريدة. التحدي الجوهري الذي يعالجه هذا البحث هو كشف السلاسل الزمنية المولدة بواسطة نماذج الانتشار تحت ظروف "تغير المولد" (Generator Shift) (أي حالات التوزيع خارج النطاق أو OOD)، حيث يجب على الكاشف تحديد العينات القادمة من مولدات لم يسبق له رؤيتها أثناء التدريب.

المنهجية
يقيم البحث استراتيجيتين مختلفتين للكشف:

1. الكشف القائم على إعادة البناء بنظام الصندوق الأبيض (White-Box Reconstruction-Based Detection):
   مقتبس من أساليب مجال الصور (تحديداً DIRE)، يتطلب هذا النهج الوصول إلى نموذج انتشار مرجعي ($G^*$) تم تدريبه على نفس التوزيع الخاص بالمولد المستهدف. يستخدم الكاشف $G^*$ لإجراء عملية عكس DDIM وإعادة بناء سلسلة زمنية مدخلة $x_0$. يعمل خطأ إعادة البناء $d_{G^*}(x_0) = (x_0 - R_{G^*}(x_0))^2$ كإشارة للكشف. الفرضية هي أن العينات الاصطناعية من $G^*$ سيكون لها أخطاء إعادة بناء منخفضة، بينما العينات الحقيقية سيكون لها أخطاء عالية.

• القصور: في مجال السلاسل الزمنية، لا يوجد مولد عام. عند التطبيق على عينات من مولد غير مرئي ($G_i$)، يحاول نموذج إعادة البناء $G^*$ رسم المدخلات نحو توزيعه المتعلم الخاص ($p_{G^*}$) بدلاً من الحفاظ على بنية المدخلات. نتيجة لذلك، تنهار أخطاء إعادة البناء للعينات الحقيقية والعينات من المولدات غير المرئية لتصبح توزيعات غير قابلة للتمييز، مما يؤدي إلى تلاشي حد القرار.

2. الكشف القائم على المصنف بنظام الصندوق الأسود (Black-Box Classifier-Based Detection):
   يتجاوز هذا النهج عملية إعادة البناء تماماً. فهو يعامل الكشف كمسألة تصنيف ثنائي حيث يتم تدريب مصنف سلاسل زمنية قياسي مباشرة على الإشارات الخام المصنفة كـ "حقيقية" أو "اصطناعية" (المولدة بواسطة مولد واحد معروف $G^*$). يتعلم المصنف تحديد آثار التوليد (Synthesis artifacts) مباشرة من البيانات الخام دون الحاجة إلى الوصول إلى الآليات الداخلية للمولد أو أولوية إعادة البناء. تستخدم الدراسة بنيات جاهزة، وفي مقدمتها Disjoint-CNN، إلى جانب InceptionTime وLITE، والتي تم تدريبها على بيانات حقيقية مقترنة بعينات من SSSD.

المساهمات الرئيسية

1. أول استكشاف منهجي: يقدم هذا العمل أول مقارنة شاملة بين استراتيجيات الكشف بنظام الصندوق الأبيض والصندوق الأسود للسلاسل الزمنية المولدة بواسطة نماذج الانتشار.
2. تحديد الفشل النوعي المرتبط بالمجال: يوضح المؤلفون أن الكشف القائم على إعادة البناء، الناجح في مجال الصور بفضل الأولويات العالمية (مثل Stable Diffusion)، يفشل في السلاسل الزمنية تحت تأثير تغير المولد. ويظهرون أن نماذج انتشار السلاسل الزمنية تفتقر إلى أولوية إعادة بناء عالمية؛ بل تتعلم ديناميكيات عكسية خاصة بالنموذج تؤدي إلى تداخل أخطاء إعادة البناء للعينات الحقيقية والاصطناعية غير المرئية.
3. التحقق من جدوى الصندوق الأسود: تثبت الدراسة أن مصنفاً بسيطاً جاهزاً تم تدريبه على مولد واحد يمكنه التكيف بفعالية مع المولدات غير المرئية، متفوقاً على نهج الصندوق الأبيض بشكل كبير في سيناريوهات OOD.

النتائج التجريبية
أُجري التقييم عبر عشر مجموعات بيانات مرجعية، وثلاثة أطوال للتسلسلات (32، 64، 128)، وأربعة مولدات تعتمد على الانتشار (SSSD، TSDiff، Diffusion-TS، WaveStitch).

• داخل النطاق (In-Distribution - ID): يعمل نهج الصندوق الأبيض (DIRE) بشكل جيد (متوسط F1: 91.9)، وإن كان أقل قليلاً من مصنف الصندوق الأسود (Disjoint-CNN)، الذي حقق أداءً يقارب المثالية (F1 > 94).
• خارج النطاق (Out-of-Distribution - OOD): تتسع فجوة الأداء بشكل حاد.
  • الصندوق الأبيض (DIRE): يفشل تحت تأثير تغير المولد، محققاً متوسط F1 لـ OOD قدره 64.9، ومعدل إيجابي حقيقي عند معدل إيجابي كاذب بنسبة 1% (TPR@1%FPR) يقترب من 0.00 لمعظم المولدات غير المرئية. تصبح أخطاء إعادة البناء للعينات الحقيقية والاصطناعية غير قابلة للتمييز.
  • الصندوق الأسود (Disjoint-CNN): يحقق متوسط F1 لـ OOD قدره 79.2، مما يمثل تحسناً نسبياً بنسبة 22.1% عن نهج الصندوق الأبيض. كما يحافظ على معدل TPR@1%FPR قدره 57.2.
• تأثير الجودة والطول: يصبح الكشف أصعب مع تحسن جودة البيانات الاصطناعية (على سبيل المثال، ينتج Diffusion-TS بيانات عالية الجودة ذات قابلية كشف أقل). بالإضافة إلى ذلك، بينما تحافظ كواشف الصندوق الأسود على أداء قوي في ID عند أطوال التسلسل الطويلة (128)، فإن تعميمها في OOD يتدهور، مما يشير إلى أن آثار انتقال المولدات تصبح أصعب في الالتقاط مع زيادة طول التسلسل.

الأهمية والادعاءات
يؤكد البحث أن كشف السلاسل الزمنية المولدة بواسطة نماذج الانتشار ليس مجرد نقل مباشر لمشكلة مجال الصور. إن الاعتماد على أولوية إعادة بناء عالمية يمثل عدم توافق جوهري مع السلاسل الزمنية، حيث تكون المولدات مرتبطة بتوزيعات محددة. وبناءً على ذلك، يستنتج المؤلفون أن الكشف بنظام الصندوق الأسود هو نقطة انطلاق فعالة ومتفوقة لهذا المجال، رغم كونه أقل قابلية للتفسير من الطرق القائمة على إعادة البناء. يسلط هذا العمل الضوء على أنه بينما تعتبر كواشف الصندوق الأسود الحالية فعالة، فإن الإشارات المحددة التي تلتقطها وقدرتها على التعميم عبر أنواع مختلفة من المولدات وتحولات البيانات تظل مجالات مفتوحة للبحث المستقبلي.