論文の概要: Trojan Horse Hunt in Time Series Forecasting for Space Operations

• arxiv url: http://arxiv.org/abs/2506.01849v1
• Date: Mon, 02 Jun 2025 16:38:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:34.60972
• Title: Trojan Horse Hunt in Time Series Forecasting for Space Operations
• Title（参考訳）: 宇宙活動の時系列予測におけるトロイの木馬狩り
• Authors: Krzysztof Kotowski, Ramez Shendy, Jakub Nalepa, Przemysław Biecek, Piotr Wilczyński, Agata Kaczmarek, Dawid Płudowski, Artur Janicki, Evridiki Ntagiou,
• Abstract要約: 競技の主な課題は、45個の毒入りモデルのトレーニングデータに注入された45個のトリガーのセットを再構築することである。 競争の影響は宇宙領域に限らず、高度時系列解析の他の多くの安全クリティカルな応用にも及んでいる。
• 参考スコア（独自算出の注目度）: 1.9729460379568868
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This competition hosted on Kaggle (https://www.kaggle.com/competitions/trojan-horse-hunt-in-space) is the first part of a series of follow-up competitions and hackathons related to the "Assurance for Space Domain AI Applications" project funded by the European Space Agency (https://assurance-ai.space-codev.org/). The competition idea is based on one of the real-life AI security threats identified within the project -- the adversarial poisoning of continuously fine-tuned satellite telemetry forecasting models. The task is to develop methods for finding and reconstructing triggers (trojans) in advanced models for satellite telemetry forecasting used in safety-critical space operations. Participants are provided with 1) a large public dataset of real-life multivariate satellite telemetry (without triggers), 2) a reference model trained on the clean data, 3) a set of poisoned neural hierarchical interpolation (N-HiTS) models for time series forecasting trained on the dataset with injected triggers, and 4) Jupyter notebook with the training pipeline and baseline algorithm (the latter will be published in the last month of the competition). The main task of the competition is to reconstruct a set of 45 triggers (i.e., short multivariate time series segments) injected into the training data of the corresponding set of 45 poisoned models. The exact characteristics (i.e., shape, amplitude, and duration) of these triggers must be identified by participants. The popular Neural Cleanse method is adopted as a baseline, but it is not designed for time series analysis and new approaches are necessary for the task. The impact of the competition is not limited to the space domain, but also to many other safety-critical applications of advanced time series analysis where model poisoning may lead to serious consequences.
• Abstract（参考訳）: Kaggle(https://www.kaggle.com/competitions/trojan-horse-hunt-in-space)が主催するこのコンペティションは、欧州宇宙機関(ESA)が出資した"Assurance for Space Domain AI Applications"プロジェクトに関連する一連のフォローアップコンペティションとハッカソンの第1弾である。 競争のアイデアは、プロジェクトの中で特定された現実的なAIセキュリティの脅威の1つに基づいている。 この課題は、安全クリティカルな宇宙運用で使用される衛星テレメトリー予測の先進的なモデルでトリガー(トロイの木馬)を発見・再構成する方法を開発することである。 参加者は参加する。 1)実生活多変量衛星テレメトリの大規模な公開データセット(トリガーなしで) 2 クリーンデータに基づいて訓練された参照モデル 3) トリガを注入したデータセット上で訓練した時系列予測のための有毒神経階層補間(N-HiTS)モデル 4) トレーニングパイプラインとベースラインアルゴリズムを備えたJupyterノート(後者はコンペティションの最終月中に公開される予定)。 競技の主な課題は、45種類の毒入りモデルのトレーニングデータに注入された45個のトリガー(例えば、短い多変量時系列セグメント)のセットを再構築することである。 これらのトリガーの正確な特性(形状、振幅、持続時間)は参加者によって特定されなければならない。 一般的なニューラルクリーズ法はベースラインとして採用されているが,時系列解析には設計されておらず,そのタスクには新たなアプローチが必要である。 競争の影響は、宇宙領域に限らず、モデル中毒が深刻な結果をもたらす可能性のある高度な時系列分析の他の多くの安全クリティカルな応用にも及んでいる。

関連論文リスト

• A Joint Learning Framework with Feature Reconstruction and Prediction for Incomplete Satellite Image Time Series in Agricultural Semantic Segmentation [3.808725321596432]
  不完全なSITSに対処するための特徴再構成と予測を伴う共同学習フレームワークを提案する。 本手法により, 平均F1スコアが6.93%, 7.09%向上することが確認された。
  論文  参考訳（メタデータ） (2025-05-25T14:15:47Z)
• TrojanTime: Backdoor Attacks on Time Series Classification [11.17661845517885]
  時系列分類(TSC)は、バックドア攻撃に対して非常に脆弱である。 本稿では,新しい2段階学習アルゴリズムであるTrojanTimeを提案する。 クリーンな精度を維持しながら、TrojanTimeがバックドアアタックを実行することを示す。
  論文  参考訳（メタデータ） (2025-02-02T03:24:24Z)
• Sports-Traj: A Unified Trajectory Generation Model for Multi-Agent Movement in Sports [53.637837706712794]
  任意の軌道をマスク入力として処理する統一軌道生成モデルUniTrajを提案する。 具体的には,空間特徴抽出のためのトランスフォーマーエンコーダ内に埋め込まれたゴースト空間マスキング(GSM)モジュールを紹介する。 バスケットボールU,サッカーU,サッカーUの3つの実践的スポーツデータセットをベンチマークして評価を行った。
  論文  参考訳（メタデータ） (2024-05-27T22:15:23Z)
• Statistical Learning of Conjunction Data Messages Through a Bayesian Non-Homogeneous Poisson Process [0.0]
  衝突回避と宇宙交通管理の現在のアプローチは多くの課題に直面している。 衛星所有者/オペレーターは、衝突回避操作を行う必要があるかどうかを決定するために、資産の衝突リスクを認識しなければならない。
  論文  参考訳（メタデータ） (2023-11-09T15:04:14Z)
• SpatialRank: Urban Event Ranking with NDCG Optimization on Spatiotemporal Data [55.609946936979036]
  本研究ではSpatialRankという新しい空間イベントランキング手法を提案する。 本研究では,SpatialRankが犯罪や交通事故の最も危険性の高い場所を効果的に特定できることを示す。
  論文  参考訳（メタデータ） (2023-09-30T06:20:21Z)
• Semi-Supervised Temporal Action Detection with Proposal-Free Masking [134.26292288193298]
  PropOsal-free Temporal mask (SPOT) に基づく新しい半教師付き時間行動検出モデルを提案する。 SPOTは最先端の代替品よりも優れている。
  論文  参考訳（メタデータ） (2022-07-14T16:58:47Z)
• SMART: Simultaneous Multi-Agent Recurrent Trajectory Prediction [72.37440317774556]
  本稿では,将来の軌道予測における2つの重要な課題に対処する手法を提案する。 エージェントの数に関係なく、トレーニングデータと予測と一定時間の推測の両方において、マルチモーダリティ。
  論文  参考訳（メタデータ） (2020-07-26T08:17:10Z)
• Bridging the Gap Between Training and Inference for Spatio-Temporal Forecasting [16.06369357595426]
  本稿では,S-temporal sequence forecastingのトレーニングと推論のギャップを埋めるために,時間的プログレッシブ・グロース・サンプリングというカリキュラムベースの新しい戦略を提案する。 実験結果から,提案手法は長期依存をモデル化し,2つの競合データセットに対するベースラインアプローチより優れていることが示された。
  論文  参考訳（メタデータ） (2020-05-19T10:14:43Z)
• A Spatial-Temporal Attentive Network with Spatial Continuity for Trajectory Prediction [74.00750936752418]
  空間連続性をもつ空間時間減衰ネットワーク(STAN-SC)という新しいモデルを提案する。 まず、最も有用かつ重要な情報を探るために、空間的時間的注意機構を提示する。 第2に、生成軌道の空間的連続性を維持するために、シーケンスと瞬間状態情報に基づく共同特徴系列を実行する。
  論文  参考訳（メタデータ） (2020-03-13T04:35:50Z)

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。