Fugu-MT 論文翻訳(概要): Physically Adversarial Infrared Patches with Learnable Shapes and Locations

論文の概要: Physically Adversarial Infrared Patches with Learnable Shapes and Locations

arxiv url: http://arxiv.org/abs/2303.13868v1
Date: Fri, 24 Mar 2023 09:11:36 GMT
ステータス: 処理完了
システム内更新日: 2023-03-27 15:06:06.088563
Title: Physically Adversarial Infrared Patches with Learnable Shapes and Locations
Title（参考訳）: 学習可能な形状と位置を持つ物理的に対立する赤外線パッチ
Authors: Wei Xingxing and Yu Jie and Huang Yao
Abstract要約: 逆赤外パッチ(adversarial infrared patch)と呼ばれる物理的に実現可能な赤外線攻撃法を提案する。対象物の熱放射を捉えた赤外線カメラの撮像機構を考慮すると、対向的赤外線パッチは対象物に熱絶縁材料のパッチを取り付け、その熱分布を制御して攻撃を行う。我々は、様々な物体検出タスクにおいて、様々な物体検出タスクにおいて、逆赤外線パッチを検証する。
参考スコア（独自算出の注目度）: 1.1172382217477126
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Owing to the extensive application of infrared object detectors in the safety-critical tasks, it is necessary to evaluate their robustness against adversarial examples in the real world. However, current few physical infrared attacks are complicated to implement in practical application because of their complex transformation from digital world to physical world. To address this issue, in this paper, we propose a physically feasible infrared attack method called "adversarial infrared patches". Considering the imaging mechanism of infrared cameras by capturing objects' thermal radiation, adversarial infrared patches conduct attacks by attaching a patch of thermal insulation materials on the target object to manipulate its thermal distribution. To enhance adversarial attacks, we present a novel aggregation regularization to guide the simultaneous learning for the patch' shape and location on the target object. Thus, a simple gradient-based optimization can be adapted to solve for them. We verify adversarial infrared patches in different object detection tasks with various object detectors. Experimental results show that our method achieves more than 90\% Attack Success Rate (ASR) versus the pedestrian detector and vehicle detector in the physical environment, where the objects are captured in different angles, distances, postures, and scenes. More importantly, adversarial infrared patch is easy to implement, and it only needs 0.5 hours to be constructed in the physical world, which verifies its effectiveness and efficiency.
Abstract（参考訳）: 安全クリティカルなタスクにおける赤外線物体検出器の広範な応用のために,実世界の敵対的事例に対するロバスト性を評価する必要がある。しかし、デジタル世界から物理世界への複雑な変換のため、現実的な応用では、現在の数少ない物理的赤外線攻撃は複雑である。この問題に対処するため,本論文では"adversarial infrared patch"と呼ばれる物理的に実現可能な赤外線攻撃手法を提案する。対象物の熱放射を捉えた赤外線カメラの撮像機構を考慮すると、対向的赤外線パッチはその熱分布を操作するために対象物に熱絶縁材料のパッチを取り付けて攻撃を行う。敵の攻撃を強化するため,対象物体上のパッチの形状と位置の同時学習を誘導する新たなアグリゲーション正規化を提案する。したがって、簡単な勾配に基づく最適化を適用することができる。様々な物体検出装置を用いて、異なる物体検出タスクにおける逆赤外線パッチを検証する。実験の結果, 物体を異なる角度, 距離, 姿勢, シーンで捉えた物理環境において, 歩行者検知器と車両検知器に対して, 攻撃成功率 (asr) が90 %以上に達することがわかった。より重要なことに、敵対的な赤外線パッチは実装が容易であり、物理的な世界で構築するのに0.5時間しかかからず、その効果と効率を検証する。

関連論文リスト

Physical Backdoor: Towards Temperature-based Backdoor Attacks in the Physical World [47.76657100827679]
熱赤外物体検出(TIOD)に新たな2種類のバックドアアタックを導入する。トリガー設計に影響を及ぼす主な要因は、温度、サイズ、材料、隠蔽である。デジタル領域では、TIODのベンチマークデータセットを用いてアプローチを評価し、最大98.21%のアタック成功率(ASR)を達成する。
論文参考訳（メタデータ） (2024-04-30T10:03:26Z)
Adversarial Infrared Geometry: Using Geometry to Perform Adversarial Attack against Infrared Pedestrian Detectors [0.0]
適応赤外測位法(textversabfAdvIG)と呼ばれる新しい赤外線物理攻撃法を提案する。デジタル攻撃実験では、直線、三角形、楕円パターンはそれぞれ93.1%、86.8%、そして100.0%の攻撃成功率を達成する。平均して、直線、三角形、楕円は、それぞれ61.1%、61.2%、96.2%の攻撃成功率を達成した。
論文参考訳（メタデータ） (2024-03-06T12:55:21Z)
Adversarial Infrared Curves: An Attack on Infrared Pedestrian Detectors in the Physical World [0.0]
電球ボードやQRスーツを使ったホワイトボックスの赤外線攻撃のような既存のアプローチは、現実主義とステルスネスを欠いている。本稿では,これらのギャップを埋めるために,AdvIC(Adversarial Infrared Curves)を提案する。本実験は,AdvICの有効性を確認し,デジタル攻撃と身体攻撃の攻撃成功率を94.8%,67.2%とした。
論文参考訳（メタデータ） (2023-12-21T12:21:57Z)
Unified Adversarial Patch for Visible-Infrared Cross-modal Attacks in the Physical World [11.24237636482709]
我々は,単一パッチを同時に両モードで回避し,クロスモーダルな物理的攻撃を行える統一逆襲パッチを設計する。本稿では, 対向パッチのコンパクトかつ滑らかな形状を実現することを目的とした, 境界制限型形状最適化手法を提案する。提案手法はいくつかの最先端物体検出器に対して評価され,アタック成功率 (ASR) は80%以上である。
論文参考訳（メタデータ） (2023-07-27T08:14:22Z)
Unified Adversarial Patch for Cross-modal Attacks in the Physical World [11.24237636482709]
単一パッチにより同時に可視・近赤外物体検出装置を騙すための一元対向パッチを提案する。可視・赤外線センサの異なるイメージング機構を考慮すると、我々の研究は対向パッチの形状をモデル化することに集中している。その結果、我々の統一パッチは、それぞれ73.33%と69.17%のアタック成功率(ASR)を達成した。
論文参考訳（メタデータ） (2023-07-15T17:45:17Z)
Adversarial Infrared Blocks: A Multi-view Black-box Attack to Thermal Infrared Detectors in Physical World [4.504479592538401]
逆赤外ブロック(AdvIB)と呼ばれる新しい物理的攻撃を提案する。逆赤外ブロックの物理パラメータを最適化することにより、様々な角度から熱画像システムに対するステルスブラックボックス攻撃を実行することができる。ステルスネスでは, 衣服の内部に赤外線ブロックを装着し, ステルスネスを高める。
論文参考訳（メタデータ） (2023-04-21T02:53:56Z)
HOTCOLD Block: Fooling Thermal Infrared Detectors with a Novel Wearable Design [60.97064635095259]
textscHotCold Blockは、ウェアラブルのウォーミングペーストとクーリングペーストを利用する人を隠蔽する赤外線検出器の新しい物理的攻撃である。 textscHotCold Blockは、簡単に利用できる温度制御材料を体に装着することで、人間の目を効率的に回避する。
論文参考訳（メタデータ） (2022-12-12T05:23:11Z)
Shadows can be Dangerous: Stealthy and Effective Physical-world Adversarial Attack by Natural Phenomenon [79.33449311057088]
我々は、非常に一般的な自然現象であるシャドーによって摂動が生じる新しい種類の光対角運動例について研究する。我々は,シミュレーション環境と実環境の両方において,この新たな攻撃の有効性を広く評価した。
論文参考訳（メタデータ） (2022-03-08T02:40:18Z)
Meta-UDA: Unsupervised Domain Adaptive Thermal Object Detection using Meta-Learning [64.92447072894055]
赤外線(IR)カメラは、照明条件や照明条件が悪ければ頑丈である。既存のUDA手法を改善するためのアルゴリズムメタ学習フレームワークを提案する。 KAISTおよびDSIACデータセットのための最先端熱検出器を作成した。
論文参考訳（メタデータ） (2021-10-07T02:28:18Z)
Infrared Small-Dim Target Detection with Transformer under Complex Backgrounds [155.388487263872]
変換器を用いた赤外線小径目標検出手法を提案する。画像特徴の相互作用情報をより広い範囲で学習するために,変換器の自己認識機構を採用する。最小限のターゲットの機能を学習するための機能拡張モジュールも設計しています。
論文参考訳（メタデータ） (2021-09-29T12:23:41Z)
Exploring Thermal Images for Object Detection in Underexposure Regions for Autonomous Driving [67.69430435482127]
アンダーエクスポージャー地域は、安全な自動運転のための周囲の完全な認識を構築するのに不可欠である。サーマルカメラが利用可能になったことで、他の光学センサーが解釈可能な信号を捉えていない地域を探索するための重要な代替手段となった。本研究は,可視光画像から熱画像へ学習を伝達するためのスタイル伝達手法を用いたドメイン適応フレームワークを提案する。
論文参考訳（メタデータ） (2020-06-01T09:59:09Z)

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。