Fugu-MT 論文翻訳(概要): Robust and Efficient AI-Based Attack Recovery in Autonomous Drones

論文の概要: Robust and Efficient AI-Based Attack Recovery in Autonomous Drones

arxiv url: http://arxiv.org/abs/2505.14835v1
Date: Tue, 20 May 2025 18:57:38 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-22 15:42:58.716041
Title: Robust and Efficient AI-Based Attack Recovery in Autonomous Drones
Title（参考訳）: 自律ドローンにおけるロバストで効率的なAIベースの攻撃復旧
Authors: Diego Ortiz Barbosa, Luis Burbano, Siwei Yang, Zijun Wang, Alvaro A. Cardenas, Cihang Xie, Yinzhi Cao,
Abstract要約: 本稿では,攻撃が検出された後に回復行動を計画する共通感覚推論を付加する自律的な攻撃回復アーキテクチャを提案する。ドローンを使ってアーキテクチャのユースケースを概説し、このアーキテクチャをエッジデバイスで効率的に安全に実装する方法について議論する。
参考スコア（独自算出の注目度）: 22.856919106741163
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We introduce an autonomous attack recovery architecture to add common sense reasoning to plan a recovery action after an attack is detected. We outline use-cases of our architecture using drones, and then discuss how to implement this architecture efficiently and securely in edge devices.
Abstract（参考訳）: 本稿では,攻撃が検出された後に回復行動を計画する共通感覚推論を付加する自律的な攻撃回復アーキテクチャを提案する。ドローンを使ってアーキテクチャのユースケースを概説し、このアーキテクチャをエッジデバイスで効率的に安全に実装する方法について議論する。

関連論文リスト

Exploring the Adversarial Vulnerabilities of Vision-Language-Action Models in Robotics [68.36528819227641]
本稿では,VLAに基づくロボットシステムのロバスト性を体系的に評価する。本研究では,ロボット行動の不安定化に空間的基盤を活用する2つの未目標攻撃目標と,ロボット軌道を操作する目標攻撃目標を導入する。我々は、カメラの視野に小さなカラフルなパッチを配置し、デジタルと物理の両方の環境で効果的に攻撃を実行する逆パッチ生成アプローチを設計する。
論文参考訳（メタデータ） (2024-11-18T01:52:20Z)
Secure Control Systems for Autonomous Quadrotors against Cyber-Attacks [0.0]
本研究はまず,自律型四元系のためのインテリジェント制御系を設計する。最先端のディープラーニングに基づく手法を用いて、最適な偽データ注入攻撃方式を提案する。私たちは最近、自律的な設定のためにデプロイされた最先端の4倍体であるAgiliciousをベースとしています。
論文参考訳（メタデータ） (2024-09-18T11:43:07Z)
Modeling Electromagnetic Signal Injection Attacks on Camera-based Smart Systems: Applications and Mitigation [18.909937495767313]
電磁波は安全またはセキュリティクリティカルなシステムに脅威をもたらす。このような攻撃により、攻撃者はリモートで画像を操作でき、誤ったAI判断につながる。本研究は,攻撃に対する堅牢性を向上させるための対人訓練に関するパイロット研究である。
論文参考訳（メタデータ） (2024-08-09T15:33:28Z)
A Novel Approach to Guard from Adversarial Attacks using Stable Diffusion [0.0]
我々の提案は、AI Guardianフレームワークに対する別のアプローチを提案する。トレーニングプロセスに敵対的な例を含める代わりに、AIシステムをトレーニングせずに行うことを提案する。これは、より広い範囲の攻撃に対して本質的に回復力のあるシステムを構築することを目的としています。
論文参考訳（メタデータ） (2024-05-03T04:08:15Z)
Data Reconstruction Attacks and Defenses: A Systematic Evaluation [27.34562026045369]
再構築攻撃と防御は、機械学習におけるデータ漏洩問題を理解する上で不可欠である。本稿では,この問題を逆問題とみなし,理論的かつ体系的にデータ再構成攻撃を評価することを提案する。本報告では, 従来の防衛手法の強みに対する理解を深める上で有効な, 強力な再建攻撃を提案する。
論文参考訳（メタデータ） (2024-02-13T05:06:34Z)
Generalized Power Attacks against Crypto Hardware using Long-Range Deep Learning [6.409047279789011]
GPAMは電力側チャネル解析のためのディープラーニングシステムである。複数の暗号アルゴリズム、実装、およびサイドチャネル対策を一般化する。ハードウェアアクセラレーションを高速化した楕円曲線のデジタル署名実装を4つのハード化してGPAMの能力を実証する。
論文参考訳（メタデータ） (2023-06-12T17:16:26Z)
Fixed Points in Cyber Space: Rethinking Optimal Evasion Attacks in the Age of AI-NIDS [70.60975663021952]
ネットワーク分類器に対するブラックボックス攻撃について検討する。我々は、アタッカー・ディフェンダーの固定点がそれ自体、複雑な位相遷移を持つ一般サムゲームであると主張する。攻撃防御力学の研究には連続的な学習手法が必要であることを示す。
論文参考訳（メタデータ） (2021-11-23T23:42:16Z)
ROPUST: Improving Robustness through Fine-tuning with Photonic Processors and Synthetic Gradients [65.52888259961803]
ROPUSTは、頑健な事前学習モデルを活用し、その堅牢性を高めるためのシンプルで効率的な手法である。我々は,ロバストベンチの4つの攻撃に対して,9つの異なるモデルを用いて実験を行った。 ROPUSTは,最先端の位相探索技術でも有効であることを示す。
論文参考訳（メタデータ） (2021-07-06T12:03:36Z)
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)

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。