論文の概要: Robust Tracking against Adversarial Attacks

• arxiv url: http://arxiv.org/abs/2007.09919v2
• Date: Wed, 29 Jul 2020 08:03:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-08 13:48:42.543288
• Title: Robust Tracking against Adversarial Attacks
• Title（参考訳）: 敵攻撃に対するロバスト追跡
• Authors: Shuai Jia, Chao Ma, Yibing Song, and Xiaokang Yang
• Abstract要約: まず,ビデオシーケンス上に敵の例を生成して,敵の攻撃に対するロバスト性を改善する。 提案手法を最先端のディープトラッキングアルゴリズムに適用する。
• 参考スコア（独自算出の注目度）: 69.59717023941126
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While deep convolutional neural networks (CNNs) are vulnerable to adversarial attacks, considerably few efforts have been paid to construct robust deep tracking algorithms against adversarial attacks. Current studies on adversarial attack and defense mainly reside in a single image. In this work, we first attempt to generate adversarial examples on top of video sequences to improve the tracking robustness against adversarial attacks. To this end, we take temporal motion into consideration when generating lightweight perturbations over the estimated tracking results frame-by-frame. On one hand, we add the temporal perturbations into the original video sequences as adversarial examples to greatly degrade the tracking performance. On the other hand, we sequentially estimate the perturbations from input sequences and learn to eliminate their effect for performance restoration. We apply the proposed adversarial attack and defense approaches to state-of-the-art deep tracking algorithms. Extensive evaluations on the benchmark datasets demonstrate that our defense method not only eliminates the large performance drops caused by adversarial attacks, but also achieves additional performance gains when deep trackers are not under adversarial attacks.
• Abstract（参考訳）: 深層畳み込みニューラルネットワーク(deep convolutional neural network, cnns)は、逆攻撃に対して脆弱であるが、逆攻撃に対して堅牢な深層追跡アルゴリズムを構築するための努力は少ない。 敵の攻撃と防御に関する最近の研究は、主に1つの画像に存在する。 本研究は,まず,ビデオシーケンス上に敵の例を生成し,敵の攻撃に対するロバスト性を向上する試みである。 この目的のために,推定された追跡結果のフレームごとに軽量な摂動を生成する場合の時間運動を考慮した。 一方,映像の時間的摂動を副次的な例として加え,追跡性能を著しく低下させる。 一方,入力列からの摂動を逐次推定し,その性能回復効果を解消することを学ぶ。 提案手法を最先端のディープトラッキングアルゴリズムに適用する。 ベンチマークデータセットの大規模な評価は、我々の防衛手法が敵攻撃による大きな性能低下を除去するだけでなく、ディープトラッカーが敵攻撃を受けていない場合のさらなる性能向上も達成していることを示している。

関連論文リスト

• Evaluating the Robustness of LiDAR Point Cloud Tracking Against Adversarial Attack [6.101494710781259]
  本稿では,3次元物体追跡の文脈において,敵攻撃を行うための統一的なフレームワークを提案する。 ブラックボックス攻撃のシナリオに対処するために,新たなトランスファーベースアプローチであるTarget-aware Perturbation Generation (TAPG)アルゴリズムを導入する。 実験の結果,ブラックボックスとホワイトボックスの両方の攻撃を受けた場合,高度な追跡手法に重大な脆弱性があることが判明した。
  論文  参考訳（メタデータ） (2024-10-28T10:20:38Z)
• Enhancing Tracking Robustness with Auxiliary Adversarial Defense Networks [1.7907721703063868]
  視覚的物体追跡におけるアドリアック攻撃は、高度なトラッカーの性能を著しく低下させた。 本稿では,入力画像に対して,トラッカーに入力する前に防御変換を行う,効果的な補助前処理防衛ネットワークであるAADNを提案する。
  論文  参考訳（メタデータ） (2024-02-28T01:42:31Z)
• Efficient universal shuffle attack for visual object tracking [12.338273740874891]
  我々は,効率的なユニバーサルシャッフル攻撃という,オフラインのユニバーサル敵攻撃を提案する。 すべてのビデオでトラッカーの故障を引き起こすには、たった1回の摂動しかかからない。 実験結果から,EUSAは最先端トラッカーの性能を大幅に低下させることができることがわかった。
  論文  参考訳（メタデータ） (2022-03-14T07:48:06Z)
• Model-Agnostic Meta-Attack: Towards Reliable Evaluation of Adversarial Robustness [53.094682754683255]
  モデル非依存型メタアタック(MAMA)アプローチにより,より強力な攻撃アルゴリズムを自動検出する。 本手法は、繰り返しニューラルネットワークによってパラメータ化された逆攻撃を学習する。 本研究では,未知の防御を攻撃した場合の学習能力を向上させるために,モデルに依存しない訓練アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2021-10-13T13:54:24Z)
• TREATED:Towards Universal Defense against Textual Adversarial Attacks [28.454310179377302]
  本稿では,様々な摂動レベルの攻撃に対して,仮定なしに防御できる汎用的対向検出手法であるTREATEDを提案する。 3つの競合するニューラルネットワークと2つの広く使われているデータセットの大規模な実験により、本手法はベースラインよりも優れた検出性能が得られることが示された。
  論文  参考訳（メタデータ） (2021-09-13T03:31:20Z)
• Improving the Adversarial Robustness for Speaker Verification by Self-Supervised Learning [95.60856995067083]
  この研究は、特定の攻撃アルゴリズムを知らずにASVの敵防衛を行う最初の試みの一つである。 本研究の目的は,1) 対向摂動浄化と2) 対向摂動検出の2つの視点から対向防御を行うことである。 実験の結果, 検出モジュールは, 約80%の精度で対向検体を検出することにより, ASVを効果的に遮蔽することがわかった。
  論文  参考訳（メタデータ） (2021-06-01T07:10:54Z)
• Temporally-Transferable Perturbations: Efficient, One-Shot Adversarial Attacks for Online Visual Object Trackers [81.90113217334424]
  本研究では, オブジェクトテンプレート画像からのみ, 一時移動可能な対人的摂動を生成するフレームワークを提案する。 この摂動はあらゆる検索画像に追加され、事実上何のコストもかからないが、それでもトラッカーを騙すのに成功している。
  論文  参考訳（メタデータ） (2020-12-30T15:05:53Z)
• Guided Adversarial Attack for Evaluating and Enhancing Adversarial Defenses [59.58128343334556]
  我々は、より適切な勾配方向を見つけ、攻撃効果を高め、より効率的な対人訓練をもたらす標準損失に緩和項を導入する。 本稿では, クリーン画像の関数マッピングを用いて, 敵生成を誘導するGAMA ( Guided Adversarial Margin Attack) を提案する。 また,一段防衛における最先端性能を実現するためのGAT ( Guided Adversarial Training) を提案する。
  論文  参考訳（メタデータ） (2020-11-30T16:39:39Z)
• Temporal Sparse Adversarial Attack on Sequence-based Gait Recognition [56.844587127848854]
  このような攻撃に対して,最先端の歩行認識モデルが脆弱であることを示す。 生成した対向ネットワークに基づくアーキテクチャを用いて、対向的な高品質な歩行シルエットやビデオフレームを意味的に生成する。 実験結果から, フレームの1分の1しか攻撃されない場合, 対象モデルの精度は劇的に低下することがわかった。
  論文  参考訳（メタデータ） (2020-02-22T10:08:42Z)

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。