論文の概要: SpoofTrackBench: Interpretable AI for Spoof-Aware UAV Tracking and Benchmarking
- arxiv url: http://arxiv.org/abs/2510.22726v1
- Date: Sun, 26 Oct 2025 15:54:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-28 15:28:15.339043
- Title: SpoofTrackBench: Interpretable AI for Spoof-Aware UAV Tracking and Benchmarking
- Title（参考訳）: SpoofTrackBench: Spoof-Aware UAV追跡とベンチマークのための解釈可能なAI
- Authors: Van Le, Tan Le,
- Abstract要約: SpoofTrackBenchは、リアルタイムローカライゼーションとトラッキング(RTLS)システムにおける対向的ロバスト性を評価するためのモジュラーベンチマークである。
我々は, ドリフト, ゴースト, ミラー型スプーフィング攻撃をシミュレートし, JPDA (Joint Probabilistic Data Association) とGNN (Global Nearest Neighbor) アーキテクチャを用いてトラッカー性能を評価する。
- 参考スコア（独自算出の注目度）: 0.7161783472741748
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: SpoofTrackBench is a reproducible, modular benchmark for evaluating adversarial robustness in real-time localization and tracking (RTLS) systems under radar spoofing. Leveraging the Hampton University Skyler Radar Sensor dataset, we simulate drift, ghost, and mirror-type spoofing attacks and evaluate tracker performance using both Joint Probabilistic Data Association (JPDA) and Global Nearest Neighbor (GNN) architectures. Our framework separates clean and spoofed detection streams, visualizes spoof-induced trajectory divergence, and quantifies assignment errors via direct drift-from-truth metrics. Clustering overlays, injection-aware timelines, and scenario-adaptive visualizations enable interpretability across spoof types and configurations. Evaluation figures and logs are auto-exported for reproducible comparison. SpoofTrackBench sets a new standard for open, ethical benchmarking of spoof-aware tracking pipelines, enabling rigorous cross-architecture analysis and community validation.
- Abstract（参考訳）: SpoofTrackBenchは、リアルタイムローカライゼーションとトラッキング(RTLS)システムにおいて、レーダースプーフィング下での敵の堅牢性を評価するための再現可能なモジュラーベンチマークである。
Hampton University Skyler Radar Sensor データセットを活用し,ドリフト,ゴースト,ミラー型スプーフィング攻撃をシミュレートし,JPDA (Joint Probabilistic Data Association) とGNN (Global Nearest Neighbor) アーキテクチャを用いてトラッカー性能を評価する。
我々のフレームワークは、クリーンでスプーフされた検出ストリームを分離し、スプーフによって引き起こされる軌道のばらつきを可視化し、直接ドリフト・トゥ・トゥ・トゥ・トゥ・トゥ・トゥ・トゥ・トゥ・トゥ・トゥ・トゥ・トゥ・トゥ・トゥ・トゥ・トルース(英語版)メトリクスを用いて代入誤差を定量化する。
オーバーレイのクラスタ化、インジェクション対応のタイムライン、シナリオ適応型可視化により、スプーフタイプと構成をまたいだ解釈が可能となる。
評価値とログは再現可能な比較のために自動エクスポートされる。
SpoofTrackBenchは、スプーフ対応トラッキングパイプラインのオープンで倫理的なベンチマークのための新しい標準を設定し、厳密なクロスアーキテクチャ分析とコミュニティの検証を可能にする。
関連論文リスト
- Dynamic Semantic-Aware Correlation Modeling for UAV Tracking [43.811226798454214]
UAV追跡は、災害救助、環境モニタリング、物流輸送といったシナリオに広く適用することができる。
既存のUAV追跡手法は、主にスピードを強調し、セマンティック・アウェアネスの探索を欠いている。
この問題に対処するために,動的セマンティック・アウェアリング・リレーショナル・モデリング・トラッキング・フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-24T11:28:06Z) - MAWIFlow Benchmark: Realistic Flow-Based Evaluation for Network Intrusion Detection [47.86433139298671]
本稿では,MAWILAB v1.1データセットから得られたフローベースベンチマークであるMAWIFlowを紹介する。
得られたデータセットは、2011年1月、2016年、2021年に太平洋横断のバックボーンのトラフィックから引き出された、時間的に異なるサンプルで構成されている。
決定木、ランダムフォレスト、XGBoost、ロジスティック回帰を含む伝統的な機械学習手法は、CNN-BiLSTMアーキテクチャに基づいたディープラーニングモデルと比較される。
論文 参考訳（メタデータ） (2025-06-20T14:51:35Z) - RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。
具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。
我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
論文 参考訳（メタデータ） (2024-03-28T08:54:40Z) - A Bayesian Detect to Track System for Robust Visual Object Tracking and
Semi-Supervised Model Learning [1.7268829007643391]
ニューラルネットワークの出力によってパラメータ化されたベイズ追跡・検出フレームワークにおける副次的問題について述べる。
本稿では,粒子フィルタを用いた物体状態推定のための近似サンプリングアルゴリズムを提案する。
粒子フィルタ推論アルゴリズムを用いて,間欠的なラベル付きフレーム上でのトラッキングネットワークの学習に半教師付き学習アルゴリズムを用いる。
論文 参考訳（メタデータ） (2022-05-05T00:18:57Z) - Joint Feature Learning and Relation Modeling for Tracking: A One-Stream
Framework [76.70603443624012]
特徴学習と関係モデリングを統合した新しい一ストリーム追跡(OSTrack)フレームワークを提案する。
このようにして、相互誘導により識別的目標指向特徴を動的に抽出することができる。
OSTrackは、複数のベンチマークで最先端のパフォーマンスを実現しており、特に、ワンショットトラッキングベンチマークのGOT-10kでは印象的な結果を示している。
論文 参考訳（メタデータ） (2022-03-22T18:37:11Z) - DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly
detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。
通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。
その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文 参考訳（メタデータ） (2021-09-08T14:07:55Z) - Learning Residue-Aware Correlation Filters and Refining Scale Estimates
with the GrabCut for Real-Time UAV Tracking [12.718396980204961]
無人航空機(UAV)ベースの追跡はますます注目を集め、農業、航空、ナビゲーション、輸送、公安などのアプリケーションで急速に発展しています。
近年,1つのCPU上での高い効率とロバスト性のために,識別相関フィルタ(DCF)ベースのトラッカーがUAVトラッキングコミュニティで注目されている。
本稿では,GrabCutによるセグメンテーションによるDCFトラッカーの判別スケール推定の改善について検討する。
論文 参考訳（メタデータ） (2021-04-07T13:35:01Z) - Higher Performance Visual Tracking with Dual-Modal Localization [106.91097443275035]
Visual Object Tracking (VOT)は、堅牢性と正確性の両方に同期性を必要とする。
ONRによるロバストなローカリゼーション抑制器とOFCによるターゲットセンターへの正確なローカリゼーションにより、ターゲットローカリゼーションのためのデュアルモーダルフレームワークを提案します。
論文 参考訳（メタデータ） (2021-03-18T08:47:56Z) - Learning Consistency Pursued Correlation Filters for Real-Time UAV
Tracking [12.292672531693794]
本研究は,動的整合性追従相関フィルタ,すなわちCPCFトラッカーを用いた新しい手法を提案する。
実用的な理想整合写像とスケジュールされた理想整合写像との差を最小化することにより、整合度は時間的滑らかさを維持するために制約される。
提案されたトラッカーは、1つのCPU上でのリアルタイムランニング速度(sim$43FPS)の他の25の最先端トラッカーを好んで上回っている。
論文 参考訳（メタデータ） (2020-08-09T10:22:52Z) - Cascaded Regression Tracking: Towards Online Hard Distractor
Discrimination [202.2562153608092]
本稿では,2段階の逐次回帰トラッカーを提案する。
第1段階では, 容易に同定可能な負の候補を抽出する。
第2段階では、残留するあいまいな硬質試料をダブルチェックするために、離散サンプリングに基づくリッジ回帰を設計する。
論文 参考訳（メタデータ） (2020-06-18T07:48:01Z)
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。