論文の概要: Understanding Impacts of Electromagnetic Signal Injection Attacks on Object Detection

• arxiv url: http://arxiv.org/abs/2407.16327v1
• Date: Tue, 23 Jul 2024 09:22:06 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-24 17:45:51.905135
• Title: Understanding Impacts of Electromagnetic Signal Injection Attacks on Object Detection
• Title（参考訳）: 電磁誘導攻撃が物体検出に及ぼす影響の理解
• Authors: Youqian Zhang, Chunxi Yang, Eugene Y. Fu, Qinhong Jiang, Chen Yan, Sze-Yiu Chau, Grace Ngai, Hong-Va Leong, Xiapu Luo, Wenyuan Xu,
• Abstract要約: 本稿では,サイバー物理攻撃が物体検出モデルに与える影響を定量化し,解析する。 イメージセンサーが捉えた画像は、サイバー物理攻撃など、実際の応用におけるさまざまな要因に影響される可能性がある。
• 参考スコア（独自算出の注目度）: 33.819549876354515
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Object detection can localize and identify objects in images, and it is extensively employed in critical multimedia applications such as security surveillance and autonomous driving. Despite the success of existing object detection models, they are often evaluated in ideal scenarios where captured images guarantee the accurate and complete representation of the detecting scenes. However, images captured by image sensors may be affected by different factors in real applications, including cyber-physical attacks. In particular, attackers can exploit hardware properties within the systems to inject electromagnetic interference so as to manipulate the images. Such attacks can cause noisy or incomplete information about the captured scene, leading to incorrect detection results, potentially granting attackers malicious control over critical functions of the systems. This paper presents a research work that comprehensively quantifies and analyzes the impacts of such attacks on state-of-the-art object detection models in practice. It also sheds light on the underlying reasons for the incorrect detection outcomes.
• Abstract（参考訳）: オブジェクト検出は画像内のオブジェクトのローカライズと識別が可能であり、セキュリティ監視や自動運転といった重要なマルチメディアアプリケーションに広く利用されている。 既存のオブジェクト検出モデルの成功にもかかわらず、キャプチャされた画像が検出シーンの正確かつ完全な表現を保証する理想的なシナリオで評価されることが多い。 しかし、イメージセンサーが捉えた画像は、サイバー物理攻撃を含む実際の応用におけるさまざまな要因に影響される可能性がある。 特に、攻撃者はシステム内のハードウェア特性を利用して、画像を操作するために電磁干渉を注入することができる。 このような攻撃は、捕獲されたシーンに関するノイズや不完全な情報を引き起こし、誤った検出結果をもたらし、攻撃者がシステムの重要な機能に対して悪意のある制御を許す可能性がある。 本稿では,このような攻撃が実際に行われている最先端物体検出モデルに与える影響を包括的に定量化し,解析する研究成果について述べる。 また、誤った検出結果の根底にある理由についても光を当てています。

関連論文リスト

• Hardware faults that matter: Understanding and Estimating the safety impact of hardware faults on object detection DNNs [3.906089726778615]
  オブジェクト検出ニューラルネットワークモデルは、自動化運転やロボット工学のような、非常にダイナミックで安全に重要な環境で確実に機能する必要がある。 平均精度に基づく標準メトリクスは、画像レベルでではなく、オブジェクトレベルでモデルの脆弱性を推定する。 本稿では,不正確な画像検出に基づいて脆弱性を定量化するための新しい指標IVMODを提案する。
  論文  参考訳（メタデータ） (2022-09-07T15:27:09Z)
• Adversarially-Aware Robust Object Detector [85.10894272034135]
  本稿では,ロバスト検出器 (RobustDet) を提案する。 本モデルは, クリーン画像の検出能力を維持しながら, 傾きを効果的に解き, 検出堅牢性を著しく向上させる。
  論文  参考訳（メタデータ） (2022-07-13T13:59:59Z)
• ObjectSeeker: Certifiably Robust Object Detection against Patch Hiding Attacks via Patch-agnostic Masking [95.6347501381882]
  物体探知機は物理的世界のパッチ隠蔽攻撃に弱いことが判明した。 我々は,堅牢なオブジェクト検出器を構築するためのフレームワークとしてObjectSeekerを提案する。
  論文  参考訳（メタデータ） (2022-02-03T19:34:25Z)
• Context-Aware Transfer Attacks for Object Detection [51.65308857232767]
  本稿では,オブジェクト検出のためのコンテキスト認識攻撃を新たに生成する手法を提案する。 オブジェクトとその相対的な位置と大きさの共起をコンテキスト情報として利用することにより、ターゲットの誤分類攻撃をうまく生成できることを示す。
  論文  参考訳（メタデータ） (2021-12-06T18:26:39Z)
• They See Me Rollin': Inherent Vulnerability of the Rolling Shutter in CMOS Image Sensors [21.5487020124302]
  カメラの電子回転シャッターを利用して微細な画像破壊を注入することができる。 敵がレーザーを変調して、最先端の検出器で認識される物体の75%を隠蔽する方法を示す。 以上の結果から,ローリングシャッター攻撃は視覚に基づくインテリジェントシステムの性能と信頼性を大幅に低下させる可能性が示唆された。
  論文  参考訳（メタデータ） (2021-01-25T11:14:25Z)
• Exploring Adversarial Robustness of Multi-Sensor Perception Systems in Self Driving [87.3492357041748]
  本稿では,敵物体をホスト車両の上に配置することで,マルチセンサ検出の実用的感受性を示す。 実験の結果, 攻撃が成功した原因は主に画像の特徴が損なわれやすいことが判明した。 よりロバストなマルチモーダル知覚システムに向けて,特徴分断を伴う敵対的訓練が,このような攻撃に対するロバスト性を大幅に高めることを示す。
  論文  参考訳（メタデータ） (2021-01-17T21:15:34Z)
• No Need to Know Physics: Resilience of Process-based Model-free Anomaly Detection for Industrial Control Systems [95.54151664013011]
  本稿では,システムの物理的特性に反する逆スプーフ信号を生成するための新しい枠組みを提案する。 トップセキュリティカンファレンスで公表された4つの異常検知器を分析した。
  論文  参考訳（メタデータ） (2020-12-07T11:02:44Z)
• Online Monitoring of Object Detection Performance During Deployment [6.166295570030645]
  入力フレームのスライディングウィンドウ上での平均平均精度(mAP)を予測し,対象検出器の性能を監視するカスケードニューラルネットワークを提案する。 我々は、自律走行データセットと物体検出装置の異なる組み合わせを用いて、提案手法の評価を行った。
  論文  参考訳（メタデータ） (2020-11-16T07:01:43Z)
• Understanding Object Detection Through An Adversarial Lens [14.976840260248913]
  本稿では, 対向レンズ下での深部物体検出装置の脆弱性を分析し評価するための枠組みを提案する。 提案手法は, リアルタイムオブジェクト検出システムにおいて, 対向行動やリスクを解析するための方法論的ベンチマークとして機能することが実証された。 我々は、このフレームワークが、現実世界のアプリケーションにデプロイされるディープオブジェクト検出器のセキュリティリスクと敵の堅牢性を評価するツールとしても役立つと推測する。
  論文  参考訳（メタデータ） (2020-07-11T18:41:47Z)
• GhostImage: Remote Perception Attacks against Camera-based Image Classification Systems [6.637193297008101]
  視覚に基づくオブジェクト分類システムでは、センサーが環境を認識し、機械学習を使用して意思決定のためにオブジェクトを検出し分類する。 我々は、攻撃者が突発的なオブジェクトを作成したり、既存のオブジェクトを変更したりすることを可能にするために、認識ドメインをリモートかつ控えめに利用する方法を実証する。
  論文  参考訳（メタデータ） (2020-01-21T21:58:45Z)

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。