論文の概要: MOBA: A Material-Oriented Backdoor Attack against LiDAR-based 3D Object Detection Systems

• arxiv url: http://arxiv.org/abs/2511.09999v1
• Date: Fri, 14 Nov 2025 01:25:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-14 22:53:22.627976
• Title: MOBA: A Material-Oriented Backdoor Attack against LiDAR-based 3D Object Detection Systems
• Title（参考訳）: MOBA:LiDARを用いた3Dオブジェクト検出システムに対する材料指向のバックドアアタック
• Authors: Saket S. Chaturvedi, Gaurav Bagwe, Lan Zhang, Pan He, Xiaoyong Yuan,
• Abstract要約: 既存のバックドア攻撃の主な制限は、物理的な実現可能性の欠如である。 物質指向バックドアアタック (Material-Oriented Backdoor Attack, MOBA) は、現実世界のトリガーの物質特性を明示的にモデル化することで、デジタル物理ギャップを埋める。 MOBAは93.50%の攻撃成功率を達成し、以前の手法を41%以上上回っている。
• 参考スコア（独自算出の注目度）: 11.315953503694564
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LiDAR-based 3D object detection is widely used in safety-critical systems. However, these systems remain vulnerable to backdoor attacks that embed hidden malicious behaviors during training. A key limitation of existing backdoor attacks is their lack of physical realizability, primarily due to the digital-to-physical domain gap. Digital triggers often fail in real-world settings because they overlook material-dependent LiDAR reflection properties. On the other hand, physically constructed triggers are often unoptimized, leading to low effectiveness or easy detectability.This paper introduces Material-Oriented Backdoor Attack (MOBA), a novel framework that bridges the digital-physical gap by explicitly modeling the material properties of real-world triggers. MOBA tackles two key challenges in physical backdoor design: 1) robustness of the trigger material under diverse environmental conditions, 2) alignment between the physical trigger's behavior and its digital simulation. First, we propose a systematic approach to selecting robust trigger materials, identifying titanium dioxide (TiO_2) for its high diffuse reflectivity and environmental resilience. Second, to ensure the digital trigger accurately mimics the physical behavior of the material-based trigger, we develop a novel simulation pipeline that features: (1) an angle-independent approximation of the Oren-Nayar BRDF model to generate realistic LiDAR intensities, and (2) a distance-aware scaling mechanism to maintain spatial consistency across varying depths. We conduct extensive experiments on state-of-the-art LiDAR-based and Camera-LiDAR fusion models, showing that MOBA achieves a 93.50% attack success rate, outperforming prior methods by over 41%. Our work reveals a new class of physically realizable threats and underscores the urgent need for defenses that account for material-level properties in real-world environments.
• Abstract（参考訳）: LiDARベースの3Dオブジェクト検出は、安全クリティカルシステムで広く利用されている。 しかし、これらのシステムはトレーニング中に隠された悪意のある振る舞いを隠蔽するバックドア攻撃に弱いままである。 既存のバックドア攻撃の鍵となる制限は、その物理的実現性の欠如である。 デジタルトリガーは、物質依存のLiDAR反射特性を見落としているため、現実世界の設定でしばしば失敗する。 一方、物理的に構築されたトリガーは、しばしば最適化されていないため、有効性が低く、かつ容易に検出できる。本論文では、実際のトリガーの物質特性を明示的にモデル化することによって、デジタル物理ギャップを橋渡しする新しいフレームワークであるMaterial-Oriented Backdoor Attack (MOBA)を紹介する。 MOBAは物理的バックドア設計における2つの重要な課題に取り組む。 1) 多様な環境条件下でのトリガー材料の堅牢性 2) 物理的トリガーの動作とディジタルシミュレーションとの整合性 まず, 酸化チタン (TiO_2) を高拡散反射率および環境応答性として同定し, 強靭なトリガー材料を選択するための系統的アプローチを提案する。 第2に, デジタルトリガが物質ベーストリガの物理的挙動を正確に再現することを保証するため, 1) 現実的なLiDAR強度を生成するためのOren-Nayar BRDFモデルの角度非依存近似, (2) 様々な深さにわたって空間的一貫性を維持するための距離対応スケーリング機構を特徴付ける新しいシミュレーションパイプラインを開発した。 我々は、最先端LiDARとカメラ-LiDAR融合モデルに関する広範な実験を行い、MOBAが93.50%の攻撃成功率を達成し、先行手法を41%以上上回ったことを示す。 我々の研究は、物理的に実現可能な脅威の新たなクラスを明らかにし、現実世界の環境における物質レベルの特性を考慮に入れた防衛の緊急の必要性を浮き彫りにしている。

関連論文リスト

• Visual Backdoor Attacks on MLLM Embodied Decision Making via Contrastive Trigger Learning [89.1856483797116]
  MLLMをベースとした組込みエージェントに視覚的バックドアを注入する最初のフレームワークであるBEATを紹介する。 テキストトリガーとは異なり、オブジェクトトリガーは視点や照明の幅が広いため、確実に移植することは困難である。 BEATは攻撃の成功率を最大80%まで達成し、強い良識のあるタスクパフォーマンスを維持します。
  論文  参考訳（メタデータ） (2025-10-31T16:50:49Z)
• OBJVanish: Physically Realizable Text-to-3D Adv. Generation of LiDAR-Invisible Objects [27.16863296560931]
  我々は,LiDAR検出器に真に見えない物体の3次元モデルを生成するために,テキスト・ツー・3次元対向生成法を提案する。 CARLAシミュレーションと物理的環境の両方において、6つの最先端(SOTA)LiDAR検出器を回避できる3D歩行者を生成することができることを示す。
  論文  参考訳（メタデータ） (2025-10-08T12:35:35Z)
• PhysHMR: Learning Humanoid Control Policies from Vision for Physically Plausible Human Motion Reconstruction [52.44375492811009]
  物理学に基づくシミュレーターにおいて,ヒューマノイド制御のための視覚行動ポリシーを学習する統合フレームワークであるPhysHMRを提案する。 我々のアプローチの重要な要素はピクセル・アズ・レイ戦略であり、2次元のキーポイントを3次元空間に上げ、それらを大域空間に変換する。 PhysHMRは多種多様なシナリオにまたがって高忠実で物理的に妥当な動きを生じさせ、視覚的精度と身体的リアリズムの両方において以前のアプローチより優れている。
  論文  参考訳（メタデータ） (2025-10-02T21:01:11Z)
• Revisiting Physically Realizable Adversarial Object Attack against LiDAR-based Detection: Clarifying Problem Formulation and Experimental Protocols [11.792107959683925]
  3次元物体検出における適応的ロバスト性は、現実世界のシナリオに広く応用されているため、重要な研究領域である。 本稿では,物理対物攻撃の鍵となる要素を抽象化する,デバイスに依存しない標準化されたフレームワークを提案する。 我々は,現実のLiDAR知覚において,攻撃の成功に影響を与える要因と,敵の堅牢性に対する高度な理解に関する洞察を提供する。
  論文  参考訳（メタデータ） (2025-07-24T14:37:00Z)
• 3DGAA: Realistic and Robust 3D Gaussian-based Adversarial Attack for Autonomous Driving [17.849564138275845]
  本稿では,新しい対向オブジェクト生成フレームワークである3D Gaussian-based Adrial Attack (3DGAA)を提案する。 パッチやテクスチャ最適化に依存する以前の作品とは異なり、3DGAAは幾何学的属性と外見的属性の両方を共同で摂動する。 3DGAAは検出mAPを87.21%から7.38%に減らし、既存の3D物理攻撃を著しく上回っている。
  論文  参考訳（メタデータ） (2025-07-14T07:27:52Z)
• Robust Anti-Backdoor Instruction Tuning in LVLMs [53.766434746801366]
  大規模視覚言語モデル(LVLM)のための軽量で認証に依存しない防御フレームワークについて紹介する。 私たちのフレームワークは、命令チューニングの下で、アダプタモジュールとテキスト埋め込み層のみを微調整します。 Flickr30kとMSCOCOに対する7つの攻撃に対する実験は、我々の攻撃の成功率をほぼゼロに低下させることを示した。
  論文  参考訳（メタデータ） (2025-06-04T01:23:35Z)
• Dynamic Manipulation of Deformable Objects in 3D: Simulation, Benchmark and Learning Strategy [88.8665000676562]
  従来の手法は、しばしば問題を低速または2D設定に単純化し、現実の3Dタスクに適用性を制限する。 データ不足を軽減するため、新しいシミュレーションフレームワークと、低次ダイナミクスに基づくベンチマークを導入する。 本研究では,シミュレーション前トレーニングと物理インフォームドテスト時間適応を統合するフレームワークであるDynamics Informed Diffusion Policy (DIDP)を提案する。
  論文  参考訳（メタデータ） (2025-05-23T03:28:25Z)
• FIGhost: Fluorescent Ink-based Stealthy and Flexible Backdoor Attacks on Physical Traffic Sign Recognition [21.85862170950994]
  交通標識認識(TSR)システムは自動運転には不可欠だが、バックドア攻撃には脆弱である。 本稿では,蛍光インキをトリガーとして活用した最初の物理世界バックドア攻撃であるFIGhostを紹介する。
  論文  参考訳（メタデータ） (2025-05-17T15:15:12Z)
• A Comprehensive Study of the Robustness for LiDAR-based 3D Object Detectors against Adversarial Attacks [84.10546708708554]
  3Dオブジェクト検出器は、セキュリティクリティカルなタスクにおいてますます重要になっている。 敵の攻撃に対する強固さを理解することが不可欠である。 本稿では,LiDARをベースとした3次元検出器の対角攻撃時のロバスト性評価と解析を行った。
  論文  参考訳（メタデータ） (2022-12-20T13:09:58Z)
• Exploring Adversarial Robustness of Multi-Sensor Perception Systems in Self Driving [87.3492357041748]
  本稿では,敵物体をホスト車両の上に配置することで,マルチセンサ検出の実用的感受性を示す。 実験の結果, 攻撃が成功した原因は主に画像の特徴が損なわれやすいことが判明した。 よりロバストなマルチモーダル知覚システムに向けて,特徴分断を伴う敵対的訓練が,このような攻撃に対するロバスト性を大幅に高めることを示す。
  論文  参考訳（メタデータ） (2021-01-17T21:15:34Z)

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。