論文の概要: CP-Guard: Malicious Agent Detection and Defense in Collaborative Bird's Eye View Perception

• arxiv url: http://arxiv.org/abs/2412.12000v1
• Date: Mon, 16 Dec 2024 17:28:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-17 13:58:07.564607
• Title: CP-Guard: Malicious Agent Detection and Defense in Collaborative Bird's Eye View Perception
• Title（参考訳）: CP-Guard:コラボレーティブ・バードの視線知覚における悪性エージェントの検出と防御
• Authors: Senkang Hu, Yihang Tao, Guowen Xu, Yiqin Deng, Xianhao Chen, Yuguang Fang, Sam Kwong,
• Abstract要約: コラボレーティブ・パーセプション(CP)は自動運転に有望な技術を示している。 CPでは、ego CAVは協力者からのメッセージを受信する必要があるため、悪意のあるエージェントによる攻撃が容易になる。 我々は,各エージェントが協調ネットワーク内の悪意あるエージェントを正確に検出し,排除するための新しい方法である textbfCP-Guard を提案する。
• 参考スコア（独自算出の注目度）: 54.78412829889825
• License:
• Abstract: Collaborative Perception (CP) has shown a promising technique for autonomous driving, where multiple connected and autonomous vehicles (CAVs) share their perception information to enhance the overall perception performance and expand the perception range. However, in CP, ego CAV needs to receive messages from its collaborators, which makes it easy to be attacked by malicious agents. For example, a malicious agent can send harmful information to the ego CAV to mislead it. To address this critical issue, we propose a novel method, \textbf{CP-Guard}, a tailored defense mechanism for CP that can be deployed by each agent to accurately detect and eliminate malicious agents in its collaboration network. Our key idea is to enable CP to reach a consensus rather than a conflict against the ego CAV's perception results. Based on this idea, we first develop a probability-agnostic sample consensus (PASAC) method to effectively sample a subset of the collaborators and verify the consensus without prior probabilities of malicious agents. Furthermore, we define a collaborative consistency loss (CCLoss) to capture the discrepancy between the ego CAV and its collaborators, which is used as a verification criterion for consensus. Finally, we conduct extensive experiments in collaborative bird's eye view (BEV) tasks and our results demonstrate the effectiveness of our CP-Guard.
• Abstract（参考訳）: コラボレーティブ・パーセプション(CP)は、複数のコネクティブ・自動運転車(CAV)が認識情報を共有し、全体的な知覚性能を高め、認識範囲を広げるという、自動運転の有望な技術を示している。 しかしCPでは、ego CAVは協力者からのメッセージを受信する必要があるため、悪意のあるエージェントによる攻撃が容易である。 例えば、悪意のあるエージェントは、ego CAVに有害な情報を送信して誤誘導することができる。 この重要な問題に対処するために、各エージェントが協調ネットワーク内の悪意のあるエージェントを正確に検出・排除するために、CPのための調整された防御機構である、新しい方法である \textbf{CP-Guard} を提案する。 私たちのキーとなる考え方は、CPがエゴのCAVの認識結果と対立するのではなく、コンセンサスに到達できるようにすることです。 この考え方に基づいて、我々はまず確率非依存のサンプルコンセンサス(PASAC)法を開発し、協力者のサブセットを効果的にサンプリングし、悪意のあるエージェントの事前の確率なしでコンセンサスを検証する。 さらに、協調一貫性損失(CCLoss)を定義し、エゴCAVとコラボレータの相違を捉え、コンセンサスの検証基準として使用する。 最後に, 協調型鳥眼視(BEV)タスクにおける広範囲な実験を行い, CP-Guardの有効性を実証した。

関連論文リスト

• The Pitfalls and Promise of Conformal Inference Under Adversarial Attacks [90.52808174102157]
  医療画像や自律運転などの安全クリティカルな応用においては、高い敵の堅牢性を維持し、潜在的敵の攻撃から保護することが不可欠である。 敵対的に訓練されたモデルに固有の不確実性に関して、注目すべき知識ギャップが残っている。 本研究では,共形予測(CP)の性能を標準対向攻撃の文脈で検証することにより,ディープラーニングモデルの不確実性について検討する。
  論文  参考訳（メタデータ） (2024-05-14T18:05:19Z)
• Poisoning Decentralized Collaborative Recommender System and Its Countermeasures [37.205493894131635]
  我々はPAMN(Adaptive Malicious Neighbors)によるPoisoningという新たな攻撃方法を提案する。 PAMNは、トップKレコメンデーションを攻撃目標とすることで、ターゲットアイテムのランクを複数の敵で効果的に引き上げる。 DecRecsの脆弱性が明らかになったことで、ユーザーレベルの勾配クリッピングとスペーサー付き更新に基づく専用の防御機構が提案されている。
  論文  参考訳（メタデータ） (2024-04-01T15:30:02Z)
• CMP: Cooperative Motion Prediction with Multi-Agent Communication [21.60646440715162]
  本稿では,協調動作予測の実現可能性と有効性について検討する。 提案手法であるCMPは,LiDAR信号をモデル入力とし,追跡と予測能力を向上させる。 特に、CMPは平均予測誤差を16.4%削減し、検出精度は低下している。
  論文  参考訳（メタデータ） (2024-03-26T17:53:27Z)
• Malicious Agent Detection for Robust Multi-Agent Collaborative Perception [52.261231738242266]
  多エージェント協調(MAC)知覚は、単エージェント認識よりも敵攻撃に対して脆弱である。 MAC知覚に特異的な反応防御であるMADE(Malicious Agent Detection)を提案する。 我々は、ベンチマーク3DデータセットV2X-simとリアルタイムデータセットDAIR-V2Xで包括的な評価を行う。
  論文  参考訳（メタデータ） (2023-10-18T11:36:42Z)
• Among Us: Adversarially Robust Collaborative Perception by Consensus [50.73128191202585]
  複数のロボットは、シーン(例えば物体)を個人よりも協調的に知覚することができる。 本稿では,未知の攻撃者に対して一般化可能な新しいサンプリングベース防衛戦略であるROBOSACを提案する。 自律運転シナリオにおける協調3次元物体検出の課題に対して,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2023-03-16T17:15:25Z)
• 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)
• Open-set Adversarial Defense [93.25058425356694]
  オープンセット認識システムは敵攻撃に対して脆弱であることを示す。 本研究の目的は,OSAD(Open-Set Adrial Defense, Open-Set Adrial Defense)機構の必要性である。 本稿はOSAD問題に対する解決策として,OSDN(Open-Set Defense Network)を提案する。
  論文  参考訳（メタデータ） (2020-09-02T04:35:33Z)
• Challenging the adversarial robustness of DNNs based on error-correcting output codes [33.46319608673487]
  ECOCベースのネットワークは、小さな逆方向の摂動を導入することで、非常に容易に攻撃できる。 敵の例は、予測対象クラスの高い確率を達成するために、このような方法で生成することができる。
  論文  参考訳（メタデータ） (2020-03-26T12:14:56Z)

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。