論文の概要: Neural cyberattacks applied to the vision under realistic visual stimuli
- arxiv url: http://arxiv.org/abs/2503.08284v1
- Date: Tue, 11 Mar 2025 10:58:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-12 15:41:25.077607
- Title: Neural cyberattacks applied to the vision under realistic visual stimuli
- Title（参考訳）: 現実的な視覚刺激下での視覚に応用したニューラルサイバーアタック
- Authors: Victoria Magdalena López Madejska, Sergio López Bernal, Gregorio Martínez Pérez, Alberto Huertas Celdrán,
- Abstract要約: ブレイン・コンピュータ・インタフェース(Brain-Computer Interfaces, BCI)は、脳と相互作用してニューロンを記録・刺激するシステムである。
以前の研究は、神経過剰刺激や抑制を行うことで、自発的な神経活動を破壊することができる神経サイバーアタックを検証した。
この研究は、マウスの複雑な神経トポロジーに対する2つの既存の神経障害、FLO(Neuronal Flooding)とJAM(Neuronal Jamming)の影響を分析した。
- 参考スコア（独自算出の注目度）: 3.0748861313823
- License:
- Abstract: Brain-Computer Interfaces (BCIs) are systems traditionally used in medicine and designed to interact with the brain to record or stimulate neurons. Despite their benefits, the literature has demonstrated that invasive BCIs focused on neurostimulation present vulnerabilities allowing attackers to gain control. In this context, neural cyberattacks emerged as threats able to disrupt spontaneous neural activity by performing neural overstimulation or inhibition. Previous work validated these attacks in small-scale simulations with a reduced number of neurons, lacking real-world complexity. Thus, this work tackles this limitation by analyzing the impact of two existing neural attacks, Neuronal Flooding (FLO) and Neuronal Jamming (JAM), on a complex neuronal topology of the primary visual cortex of mice consisting of approximately 230,000 neurons, tested on three realistic visual stimuli: flash effect, movie, and drifting gratings. Each attack was evaluated over three relevant events per stimulus, also testing the impact of attacking 25% and 50% of the neurons. The results, based on the number of spikes and shift percentages metrics, showed that the attacks caused the greatest impact on the movie, while dark and fixed events are the most robust. Although both attacks can significantly affect neural activity, JAM was generally more damaging, producing longer temporal delays, and had a larger prevalence. Finally, JAM did not require to alter many neurons to significantly affect neural activity, while the impact in FLO increased with the number of neurons attacked.
- Abstract（参考訳）: ブレイン・コンピュータ・インタフェース(Brain-Computer Interfaces, BCI)は、脳と相互作用してニューロンを記録・刺激するシステムである。
それらの利点にもかかわらず、文献は、神経刺激に焦点を当てた侵入的BCIが、攻撃者が制御できるようになる脆弱性を実証している。
この文脈で、神経サイバー攻撃は、神経過剰刺激や抑制を行うことで自然神経活動を妨害できる脅威として出現した。
以前の研究は、実際の複雑さを欠いたニューロンの数を減らした小規模なシミュレーションでこれらの攻撃を検証した。
この研究は、約230,000のニューロンからなるマウスの一次視覚野の複雑な神経トポロジーに対する、既存の2つの神経発作(FLO)と神経ジャミング(JAM)の影響を分析することで、この制限に対処する。
各攻撃は刺激1回につき3つの関連する事象に対して評価され、また神経細胞の25%と50%を攻撃した影響も検査された。
その結果、スパイク数とシフトパーセンテージの指標に基づいて、この攻撃が映画に最も大きな影響を与え、暗黒と固定されたイベントが最も堅牢であることが判明した。
どちらの攻撃も神経活動に大きな影響を及ぼすが、JAMは一般により損傷を受け、時間的遅延が長くなり、より高い頻度であった。
最後に、JAMは神経活動に大きな影響を及ぼすために多くのニューロンを変更する必要はないが、FLOの影響はニューロンの攻撃数の増加とともに増大した。
関連論文リスト
- Artificial Kuramoto Oscillatory Neurons [65.16453738828672]
神経科学とAIの両方において、ニューロン間の'結合'が競合学習の形式につながることは長年知られている。
完全に接続された畳み込みや注意機構などの任意の接続設計とともに人工的再考を導入する。
このアイデアは、教師なしオブジェクト発見、敵対的ロバスト性、不確実性、推論など、幅広いタスクに性能改善をもたらすことを示す。
論文 参考訳（メタデータ） (2024-10-17T17:47:54Z) - Interpreting the Second-Order Effects of Neurons in CLIP [73.54377859089801]
CLIPの個々のニューロンの機能をテキストで自動的に記述することで解釈する。
ニューロンから後続のアテンションヘッドに流れる影響を、直接出力に解析する「第2次レンズ」を提案する。
以上の結果から,ニューロンの自動解釈は,モデル騙しや新しいモデル機能の導入に有効であることが示唆された。
論文 参考訳（メタデータ） (2024-06-06T17:59:52Z) - Learning with Chemical versus Electrical Synapses -- Does it Make a
Difference? [61.85704286298537]
バイオインスパイアされたニューラルネットワークは、ニューラルネットワークの理解を深め、AIシステムの最先端を改善する可能性がある。
我々は,光リアルな自律走行シミュレータを用いて自律車線維持実験を行い,その性能を種々の条件下で評価する。
論文 参考訳（メタデータ） (2023-11-21T13:07:20Z) - Neuroscience inspired scientific machine learning (Part-1): Variable
spiking neuron for regression [2.1756081703276]
本稿では、VSN(Variable Spiking Neuron)と呼ばれる新しいスパイクニューロンを紹介する。
生物学的ニューロンによるLeaky Integrate and Fire Spiking Neurons(LIF-SN)の学習による冗長な発射の低減
論文 参考訳（メタデータ） (2023-11-15T08:59:06Z) - Visual Analytics of Neuron Vulnerability to Adversarial Attacks on
Convolutional Neural Networks [28.081328051535618]
畳み込みニューラルネットワーク(CNN)に対する敵対的攻撃は、高性能CNNを騙して誤った予測をする可能性がある。
我々の研究は、敵の攻撃を理解するための視覚分析手法を導入している。
視覚分析システムは、敵対的攻撃を解釈するための視覚的推論を組み込むように設計されている。
論文 参考訳（メタデータ） (2023-03-06T01:01:56Z) - Constraints on the design of neuromorphic circuits set by the properties
of neural population codes [61.15277741147157]
脳内では、情報はコード化され、伝達され、行動を伝えるために使用される。
ニューロモルフィック回路は、脳内のニューロンの集団が使用するものと互換性のある方法で情報を符号化する必要がある。
論文 参考訳（メタデータ） (2022-12-08T15:16:04Z) - Spiking neural network for nonlinear regression [68.8204255655161]
スパイクニューラルネットワークは、メモリとエネルギー消費を大幅に削減する可能性を持っている。
彼らは、次世代のニューロモルフィックハードウェアによって活用できる時間的および神経的疎結合を導入する。
スパイキングニューラルネットワークを用いた回帰フレームワークを提案する。
論文 参考訳（メタデータ） (2022-10-06T13:04:45Z) - Analysis of Power-Oriented Fault Injection Attacks on Spiking Neural
Networks [5.7494562086770955]
ディープニューラルネットワーク(DNN)の代替手段として,スパイキングニューラルネットワーク(SNN)が急速に普及している。
SNNには、セキュリティに敏感な資産(例えば、ニューロンしきい値電圧)と、敵が悪用できる脆弱性が含まれている。
本研究では,外部電源とレーザ誘起局所電源を用いた大域的障害発生攻撃について検討する。
最悪の場合、分類精度は85.65%低下する。
論文 参考訳（メタデータ） (2022-04-10T20:48:46Z) - Adversarial Robustness in Deep Learning: Attacks on Fragile Neurons [0.6899744489931016]
第1畳み込み層の結節投棄を用いて, 深層学習アーキテクチャの脆弱で頑健なニューロンを同定した。
これらのニューロンは,ネットワーク上の敵攻撃の分布と相関する。
論文 参考訳（メタデータ） (2022-01-31T14:34:07Z) - Fight Perturbations with Perturbations: Defending Adversarial Attacks via Neuron Influence [14.817015950058915]
一般敵攻撃に対する新たな防御法として,emphNeuron-level Inverse Perturbation (NIP)を提案する。
良性例からニューロンの影響を計算し、逆摂動を発生させて入力例を変更する。
論文 参考訳（メタデータ） (2021-12-24T13:37:42Z) - Overcoming the Domain Gap in Contrastive Learning of Neural Action
Representations [60.47807856873544]
神経科学の基本的な目標は、神経活動と行動の関係を理解することである。
我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。
このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
論文 参考訳（メタデータ） (2021-11-29T15:27:51Z)
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。