論文の概要: STONE: Pioneering the One-to-N Backdoor Threat in 3D Point Cloud

• arxiv url: http://arxiv.org/abs/2511.11210v2
• Date: Tue, 18 Nov 2025 01:27:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 13:59:16.678598
• Title: STONE: Pioneering the One-to-N Backdoor Threat in 3D Point Cloud
• Title（参考訳）: STONE:3Dポイントクラウドで1対Nのバックドア脅威を突破
• Authors: Dongmei Shan, Wei Lian, Chongxia Wang,
• Abstract要約: バックドア攻撃は、自律運転やロボット工学といった3D領域におけるディープラーニングにとって重要な脅威となる。 球状トリガーによる脅威をインスタンス化する最初のフレームワークSTONE(Spherical Trigger One-to-N Backdoor Enabling)を紹介する。 実験的に、広範囲な評価は、クリーンデータ精度を損なうことなく、高い攻撃成功率(最大100%)を示す。
• 参考スコア（独自算出の注目度）: 0.6627152091494143
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Backdoor attacks pose a critical threat to deep learning, especially in safety-sensitive 3D domains such as autonomous driving and robotics. Despite their potency, existing attacks on 3D point clouds are limited to a static one-to-one paradigm, leaving the more flexible one-to-N backdoor threat largely unexplored and without a theoretical or practical foundation. We address this by introducing STONE (Spherical Trigger One-to-N Backdoor Enabling), the first framework that instantiates this threat through a configurable spherical trigger. Its parameterizable spatial properties create a dynamic key space, enabling a single trigger to control multiple output labels. Theoretically, we ground STONE through Neural Tangent Kernel (NTK) analysis, providing the first formal basis for one-to-N mappings in 3D models. Empirically, extensive evaluations show high attack success rate (up to 100\%) with no loss in clean-data accuracy. This work establishes a foundational benchmark for multi-target threats in 3D vision, crucial for securing future intelligent systems.
• Abstract（参考訳）: バックドア攻撃は、特に自律運転やロボット工学のような安全性に敏感な3Dドメインにおいて、ディープラーニングにとって重大な脅威となる。 有効性にもかかわらず、既存の3Dポイントクラウドに対する攻撃は静的な1対1のパラダイムに制限されており、より柔軟な1対Nのバックドアの脅威は、ほとんど探索されず、理論的または実践的な基礎がないままである。 STONE(Spherical Trigger One-to-N Backdoor Enabling, Spherical Trigger One-to-N Backdoor Enabling, Spherical Trigger One-to-N Backdoor Enabling)は、球状トリガによってこの脅威をインスタンス化する最初のフレームワークである。 そのパラメータ化可能な空間特性は動的キー空間を生成し、単一のトリガーが複数の出力ラベルを制御することができる。 理論的には、STONEをニューラル・タンジェント・カーネル(NTK)解析により構築し、3次元モデルにおける1対Nマッピングの最初の公式な基礎を提供する。 実証的な評価では、クリーンデータ精度を損なうことなく、高い攻撃成功率(最大100 %)を示す。 この研究は、3Dビジョンにおけるマルチターゲット脅威の基本的なベンチマークを確立し、将来のインテリジェントシステムの確保に不可欠である。

関連論文リスト

• E3D-Bench: A Benchmark for End-to-End 3D Geometric Foundation Models [78.1674905950243]
  3次元幾何学基礎モデル(GFM)の総合ベンチマークを初めて提示する。 GFMは、単一のフィードフォワードパスで密度の高い3D表現を直接予測し、スローまたは未使用のカメラパラメータを不要にする。 我々は16の最先端GFMを評価し、タスクやドメイン間の長所と短所を明らかにした。 すべてのコード、評価スクリプト、処理されたデータは公開され、3D空間インテリジェンスの研究が加速される。
  論文  参考訳（メタデータ） (2025-06-02T17:53:09Z)
• Stealthy Patch-Wise Backdoor Attack in 3D Point Cloud via Curvature Awareness [52.780853311462636]
  バックドア攻撃はディープニューラルネットワーク(DNN)に深刻な脅威をもたらす 既存の3Dポイントのクラウドバックドア攻撃は、サンプルワイドなグローバルな修正に依存している。 我々は,3Dポイントクラウド用のパッチワイドバックドアアタックフレームワークであるStealthy Patch-Wise Backdoor Attack (SPBA)を提案する。
  論文  参考訳（メタデータ） (2025-03-12T12:30:59Z)
• Stealthy and Robust Backdoor Attack against 3D Point Clouds through Additional Point Features [7.066252856912398]
  3Dバックドア攻撃は、3Dポイントクラウド用に設計された3Dディープニューラルネットワーク(3D DNN)に重大な脅威をもたらしている。 本稿では、意図的な設計上の考慮を通じて頑丈さとステルス性を保証するSRBA(Stealthy and Robust Backdoor Attack)を紹介する。
  論文  参考訳（メタデータ） (2024-12-10T13:48:11Z)
• Hard-Label Black-Box Attacks on 3D Point Clouds [66.52447238776482]
  そこで本研究では,新しいスペクトル認識決定境界アルゴリズムに基づく新しい3D攻撃手法を提案する。 実験により,攻撃性能と対向品質の点で,既存の白黒ボックス攻撃者よりも競合性が高いことが示された。
  論文  参考訳（メタデータ） (2024-11-30T09:05:02Z)
• Toward Availability Attacks in 3D Point Clouds [28.496421433836908]
  距離正規化による2次元アベイラビリティーアタックを3次元点群に直接適用することは, 縮退の影響を受けやすいことを示す。 特徴空間に新たなショートカットを生成するFC-EM(Feature Collision Error-Minimization)法を提案する。 典型的なポイントクラウドデータセット,3次元頭蓋内動脈瘤医療データセット,および3次元顔データセットを用いて,我々のアプローチの優位性と実用性を検証する。
  論文  参考訳（メタデータ） (2024-06-26T08:13:30Z)
• 3DHacker: Spectrum-based Decision Boundary Generation for Hard-label 3D Point Cloud Attack [64.83391236611409]
  そこで本研究では,クラスラベルの知識にのみ依存して,敵対的なサンプルを生成する新しい3D攻撃手法を提案する。 3DHackerは、難しいハードラベル設定でも、既存の3D攻撃の攻撃性能と敵のクオリティを競争力で上回っている。
  論文  参考訳（メタデータ） (2023-08-15T03:29:31Z)
• Untargeted Backdoor Attack against Object Detection [69.63097724439886]
  我々は,タスク特性に基づいて,無目標で毒のみのバックドア攻撃を設計する。 攻撃によって、バックドアがターゲットモデルに埋め込まれると、トリガーパターンでスタンプされたオブジェクトの検出を失う可能性があることを示す。
  論文  参考訳（メタデータ） (2022-11-02T17:05:45Z)
• PointBA: Towards Backdoor Attacks in 3D Point Cloud [38.840590323016606]
  バックドア攻撃を3Dデータとネットワークのユニークな特性を利用する統一的なフレームワークで3Dポイントクラウドに提示する。 提案するバックドアアタックは,3次元深部モデルの堅牢性向上のためのベースラインとして期待できる。
  論文  参考訳（メタデータ） (2021-03-30T04:49:25Z)
• IF-Defense: 3D Adversarial Point Cloud Defense via Implicit Function based Restoration [68.88711148515682]
  ディープニューラルネットワークは、様々な3D敵攻撃に対して脆弱である。 本稿では,幾何学的制約と分布的制約を伴って入力点の座標を直接最適化するIF-Defenseフレームワークを提案する。 この結果から,IF-Defense は PointNet, PointNet++, DGCNN, PointConv, RS-CNN に対する既存の3次元攻撃に対して,最先端の防御性能を達成できることが示唆された。
  論文  参考訳（メタデータ） (2020-10-11T15:36:40Z)

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。