論文の概要: Diffusion-aided Task-oriented Semantic Communications with Model Inversion Attack

• arxiv url: http://arxiv.org/abs/2506.19886v2
• Date: Fri, 03 Oct 2025 11:11:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 14:21:29.806069
• Title: Diffusion-aided Task-oriented Semantic Communications with Model Inversion Attack
• Title（参考訳）: モデル反転攻撃を用いた拡散支援タスク指向セマンティック通信
• Authors: Xuesong Wang, Mo Li, Xingyan Shi, Zhaoqian Liu, Shenghao Yang,
• Abstract要約: タスク指向意味コミュニケーションのための拡散支援フレームワークであるDiffSemを提案する。 DiffSemは、チャネルノイズを補償しながらセマンティックコンテンツを適応的に制御する送信側自己雑音機構を統合している。 実験の結果,DiffSem は適切な受信者に対して高い精度を達成できることを示し,提案手法の優れた性能を検証した。
• 参考スコア（独自算出の注目度）: 8.014010065113707
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Semantic communication enhances transmission efficiency by conveying semantic information rather than raw input symbol sequences. Task-oriented semantic communication is a variant that tries to retains only task-specific information, thus achieving greater bandwidth savings. However, these neural-based communication systems are vulnerable to model inversion attacks, where adversaries try to infer sensitive input information from eavesdropped transmitted data. The key challenge, therefore, lies in preserving privacy while ensuring transmission correctness and robustness. While prior studies typically assume that adversaries aim to fully reconstruct the raw input in task-oriented settings, there exist scenarios where pixel-level metrics such as PSNR or SSIM are low, yet the adversary's outputs still suffice to accomplish the downstream task, indicating leakage of sensitive information. We therefore adopt the attacker's task accuracy as a more appropriate metric for evaluating attack effectiveness. To optimize the gap between the legitimate receiver's accuracy and the adversary's accuracy, we propose DiffSem, a diffusion-aided framework for task-oriented semantic communication. DiffSem integrates a transmitter-side self-noising mechanism that adaptively regulates semantic content while compensating for channel noise, and a receiver-side diffusion U-Net that enhances task performance and can be optionally strengthened by self-referential label embeddings. Our experiments demonstrate that DiffSem enables the legitimate receiver to achieve higher accuracy, thereby validating the superior performance of the proposed framework.
• Abstract（参考訳）: 意味コミュニケーションは、生の入力シンボルシーケンスではなく意味情報を伝達することで、伝達効率を高める。 タスク指向のセマンティックコミュニケーションは、タスク固有の情報のみを保持し、帯域幅の節約を実現する変種である。 しかし、これらのニューラルネットワーク通信システムは、敵が盗聴された送信データからセンシティブな入力情報を推測しようとする逆攻撃のモデルに対して脆弱である。 したがって、重要な課題は、送信の正確性と堅牢性を確保しながら、プライバシを保護することである。 従来の研究では、敵はタスク指向の設定において生の入力を完全に再構築することを目的としていたが、PSNRやSSIMのようなピクセルレベルのメトリクスが低いシナリオもあるが、敵の出力は下流のタスクを達成するのに十分であり、機密情報の漏洩を示している。 そこで我々は,攻撃効率を評価するためのより適切な指標として,攻撃者のタスク精度を採用する。 タスク指向意味コミュニケーションのための拡散支援フレームワークであるDiffSemを提案する。 DiffSemは、チャネルノイズを補償しながらセマンティックコンテンツを適応的に制御する送信側自己雑音機構と、タスク性能を高め、自己参照ラベル埋め込みによって任意に強化できる受信側拡散U-Netを統合する。 実験の結果,DiffSem は適切な受信者に対して高い精度を達成できることを示し,提案手法の優れた性能を検証した。

関連論文リスト

• Distributionally Robust Wireless Semantic Communication with Large AI Models [120.29419104482793]
  6G無線システムは、超低レイテンシで大量のデータをサポートすることが期待されている。 従来のビットレベルの伝送戦略は、現代的なデータ集約型アプリケーションに必要な効率と適応性をサポートできない。 セマンティックコミュニケーション(SemCom)の概念は、生データの代わりにタスク関連セマンティック情報を伝達することに集中することで、この制限に対処する。
  論文  参考訳（メタデータ） (2025-05-28T04:03:57Z)
• Task-Oriented Low-Label Semantic Communication With Self-Supervised Learning [67.06363342414397]
  タスク指向の意味コミュニケーションは、正確なメッセージではなく意味情報を伝達することで伝達効率を高める。 深層学習(DL)に基づく意味コミュニケーションは、意味抽出、伝達、解釈に不可欠な意味知識を効果的に育むことができる。 タスク推論性能を向上させるための自己教師付き学習ベースセマンティックコミュニケーションフレームワーク(SLSCom)を提案する。
  論文  参考訳（メタデータ） (2025-05-26T13:06:18Z)
• Task-Adaptive Semantic Communications with Controllable Diffusion-based Data Regeneration [45.55410059471241]
  次世代ネットワークは、ビットワイズデータ配信を、帯域幅効率のための意味を伝達する意味にシフトする。 本研究では,拡散モデルに基づくタスク適応型セマンティックコミュニケーションフレームワークを提案する。 テスト結果は,タスク関連情報を意味コミュニケーションに適応的に保存する手法の有効性を示す。
  論文  参考訳（メタデータ） (2025-05-12T18:23:53Z)
• Task-Oriented Semantic Communication in Large Multimodal Models-based Vehicle Networks [55.32199894495722]
  LMMに基づく車両用AIアシスタントLarge Language and Vision Assistant(LLaVA)について検討する。 計算要求を減らし、応答時間を短縮するため、LLaVAの画像スライシングを最適化し、ユーザにとって最も関心のある領域に選択的にフォーカスする。 交通シナリオに対する視覚質問応答(VQA)データセットを構築し,有効性を評価する。
  論文  参考訳（メタデータ） (2025-05-05T07:18:47Z)
• Latent Diffusion Model-Enabled Low-Latency Semantic Communication in the Presence of Semantic Ambiguities and Wireless Channel Noises [18.539501941328393]
  本稿では,ソースデータのアウトレイラを処理するために,遅延拡散モデルを用いたSemComシステムを開発した。 軽量な単層遅延空間変換アダプタは、送信機でのワンショット学習を完了させる。 終端整合蒸留法を用いて, 潜時空間で訓練した拡散模型を蒸留する。
  論文  参考訳（メタデータ） (2024-06-09T23:39:31Z)
• Tackling Distribution Shifts in Task-Oriented Communication with Information Bottleneck [28.661084093544684]
  本稿では,情報ボトルネック(IB)原理と不変リスク最小化(IRM)フレームワークに基づく新しいアプローチを提案する。 提案手法は,効率的な領域シフト一般化のための高機能を有するコンパクトかつ情報的特徴を抽出することを目的としている。 提案手法は最先端の手法より優れ、より優れたレート歪みトレードオフを実現することを示す。
  論文  参考訳（メタデータ） (2024-05-15T17:07:55Z)
• Agent-driven Generative Semantic Communication with Cross-Modality and Prediction [57.335922373309074]
  本稿では,強化学習に基づくエージェント駆動型ジェネリックセマンティックコミュニケーションフレームワークを提案する。 本研究では, エージェント支援型セマンティックエンコーダを開発し, 適応的セマンティック抽出とサンプリングを行う。 設計モデルの有効性をUA-DETRACデータセットを用いて検証し、全体的なA-GSCフレームワークの性能向上を実証した。
  論文  参考訳（メタデータ） (2024-04-10T13:24:27Z)
• Reasoning with the Theory of Mind for Pragmatic Semantic Communication [62.87895431431273]
  本稿では,実用的な意味コミュニケーションフレームワークを提案する。 2つの知性エージェント間の効果的な目標指向情報共有を可能にする。 数値的な評価は、少ないビット量で効率的な通信を実現するためのフレームワークの能力を示している。
  論文  参考訳（メタデータ） (2023-11-30T03:36:19Z)
• Neuro-Symbolic Artificial Intelligence (AI) for Intent based Semantic Communication [85.06664206117088]
  6Gネットワークはデータ転送のセマンティクスと有効性(エンドユーザ)を考慮する必要がある。 観測データの背後にある因果構造を学習するための柱としてNeSy AIが提案されている。 GFlowNetは、無線システムにおいて初めて活用され、データを生成する確率構造を学ぶ。
  論文  参考訳（メタデータ） (2022-05-22T07:11:57Z)
• Reinforcement Learning-powered Semantic Communication via Semantic Similarity [13.569045590522316]
  我々は,ビットレベルの精度を厳格に確保する代わりに,セマンティック情報を保存するための新しいセマンティックコミュニケーション機構を導入する。 一般的に使用されるビットレベルのメトリクスは、重要な意味や構造を捉えるのに脆弱であることを示す。 ユーザ定義のセマンティック測定を同時に最適化できる強化学習(RL)ベースのソリューションを提案しました。
  論文  参考訳（メタデータ） (2021-08-27T05:21:05Z)

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。