論文の概要: A Neurosymbolic Framework for Interpretable Cognitive Attack Detection in Augmented Reality

• arxiv url: http://arxiv.org/abs/2508.09185v2
• Date: Thu, 14 Aug 2025 07:59:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-15 13:42:23.65616
• Title: A Neurosymbolic Framework for Interpretable Cognitive Attack Detection in Augmented Reality
• Title（参考訳）: 拡張現実における認識的攻撃検出のためのニューロシンボリック・フレームワーク
• Authors: Rongqian Chen, Allison Andreyev, Yanming Xiu, Mahdi Imani, Bin Li, Maria Gorlatova, Gang Tan, Tian Lan,
• Abstract要約: CADARは、拡張現実における認知的攻撃検出のための新しいニューロシンボリックアプローチである。 ニューラルVLMを用いてマルチモーダル視覚言語入力を融合し、シンボリックな知覚グラフ表現を得る。 拡張されたAR認知攻撃データセットの実験では、強いベースラインよりも最大10.7%精度が向上した。
• 参考スコア（独自算出の注目度）: 30.59764541723801
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Augmented Reality (AR) enriches perception by overlaying virtual elements on the physical world. Due to its growing popularity, cognitive attacks that alter AR content to manipulate users' semantic perception have received increasing attention. Existing detection methods often focus on visual changes, which are restricted to pixel- or image-level processing and lack semantic reasoning capabilities, or they rely on pre-trained vision-language models (VLMs), which function as black-box approaches with limited interpretability. In this paper, we present CADAR, a novel neurosymbolic approach for cognitive attack detection in AR. It fuses multimodal vision-language inputs using neural VLMs to obtain a symbolic perception-graph representation, incorporating prior knowledge, salience weighting, and temporal correlations. The model then enables particle-filter based statistical reasoning -- a sequential Monte Carlo method -- to detect cognitive attacks. Thus, CADAR inherits the adaptability of pre-trained VLM and the interpretability and reasoning rigor of particle filtering. Experiments on an extended AR cognitive attack dataset show accuracy improvements of up to 10.7% over strong baselines on challenging AR attack scenarios, underscoring the promise of neurosymbolic methods for effective and interpretable cognitive attack detection.
• Abstract（参考訳）: 拡張現実(AR)は、物理世界の仮想要素をオーバーレイすることで知覚を豊かにする。 人気が高まっているため、ユーザーの意味認識を操作するためにARコンテンツを変更する認知攻撃が注目されている。 既存の検出方法は、ピクセルレベルの処理や画像レベルの処理に制限され、セマンティック推論能力が欠如している視覚的変化に焦点をあてることや、限定的な解釈性を持つブラックボックスアプローチとして機能する事前学習された視覚言語モデル(VLM)に依存することも多い。 本稿では,認知的攻撃検出のための新しいニューロシンボリックアプローチCADARを提案する。 ニューラルVLMを用いたマルチモーダル視覚言語入力を融合して、事前知識、サリエンス重み付け、時間相関を取り入れた、象徴的な知覚グラフ表現を得る。 このモデルにより、粒子フィルタに基づく統計的推論 -- シーケンシャルなモンテカルロ法 -- が認知的攻撃を検出することができる。 したがってCADARは、事前訓練されたVLMの適応性と、粒子フィルタリングの解釈性と推論の厳密さを継承する。 拡張されたAR認知攻撃データセットの実験では、難しいAR攻撃シナリオに対する強力なベースラインよりも最大10.7%の精度向上が示され、効果的かつ解釈可能な認知攻撃検出のためのニューロシンボリックメソッドの約束が強調された。

関連論文リスト

• Unleashing the Power of Pre-trained Encoders for Universal Adversarial Attack Detection [21.03032944637112]
  アドリアック攻撃は、現実世界のAIシステムにとって重要なセキュリティ脅威となる。 本稿では,大規模事前学習型視覚言語モデルCLIPに基づく,軽量な逆検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-01T05:21:45Z)
• A Cognitive Paradigm Approach to Probe the Perception-Reasoning Interface in VLMs [3.2228025627337864]
  本稿では,視覚言語モデル(VLM)における知覚推論インタフェースを識別するための構造化評価フレームワークを提案する。 本稿では,人間の問題解決戦略を反映した3つの評価パラダイムを提案する。 このフレームワークを適用したCAは、リッチで独立に生成された記述を推論するために強力な言語モデルを活用し、新しい最先端(SOTA)パフォーマンスを実現することを実証する。
  論文  参考訳（メタデータ） (2025-01-23T12:42:42Z)
• Backdoor Attacks against No-Reference Image Quality Assessment Models via a Scalable Trigger [76.36315347198195]
  No-Reference Image Quality Assessment (NR-IQA) はコンピュータビジョンシステムの評価と最適化において重要な役割を果たしている。 近年の研究では、NR-IQAモデルが敵攻撃の影響を受けやすいことが示されている。 NR-IQA(BAIQA)に対する新規中毒性バックドアアタックを報告した。
  論文  参考訳（メタデータ） (2024-12-10T08:07:19Z)
• Investigating Human-Identifiable Features Hidden in Adversarial Perturbations [54.39726653562144]
  我々の研究では、最大5つの攻撃アルゴリズムを3つのデータセットにわたって探索する。 対人摂動における人間の識別可能な特徴を同定する。 画素レベルのアノテーションを用いて、そのような特徴を抽出し、ターゲットモデルに妥協する能力を実証する。
  論文  参考訳（メタデータ） (2023-09-28T22:31:29Z)
• A Novel Supervised Contrastive Regression Framework for Prediction of Neurocognitive Measures Using Multi-Site Harmonized Diffusion MRI Tractography [13.80649748804573]
  Supervised Contrastive Regression (SCR)は、回帰タスクにおけるコントラスト学習の完全な監視を可能にする、シンプルで効果的な方法である。 SCRは、連続回帰ラベルの絶対差を用いて教師付きコントラスト表現学習を行う。 SCRは、他の最先端手法と比較して、神経認知的スコア予測の精度を向上する。
  論文  参考訳（メタデータ） (2022-10-13T23:24:12Z)
• Modeling cognitive load as a self-supervised brain rate with electroencephalography and deep learning [2.741266294612776]
  本研究では,脳波データからメンタルワークロードをモデリングするための,新たな自己教師型手法を提案する。 脳波データからスペクトル地形図を空間的に保存して脳速度変数に適合させることができる畳み込みリカレントニューラルネットワークである。 学習した認知活性化の準安定なブロックの存在は、それらは畳み込みによって誘導され、時間とともに互いに依存していないように見えるため、脳反応の非定常的性質と直感的に一致している。
  論文  参考訳（メタデータ） (2022-09-21T07:44:21Z)
• Proactive Pseudo-Intervention: Causally Informed Contrastive Learning For Interpretable Vision Models [103.64435911083432]
  PPI(Proactive Pseudo-Intervention)と呼ばれる新しい対照的な学習戦略を提案する。 PPIは、因果関係のない画像の特徴を保護するために積極的に介入する。 また,重要な画像画素を識別するための,因果的に通知された新たなサリエンスマッピングモジュールを考案し,モデル解釈の容易性を示す。
  論文  参考訳（メタデータ） (2020-12-06T20:30:26Z)
• Adversarial vs behavioural-based defensive AI with joint, continual and active learning: automated evaluation of robustness to deception, poisoning and concept drift [62.997667081978825]
  人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。 本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
  論文  参考訳（メタデータ） (2020-01-13T13:54:36Z)

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。