論文の概要: Forecasting Fails: Unveiling Evasion Attacks in Weather Prediction Models

• arxiv url: http://arxiv.org/abs/2512.08832v1
• Date: Tue, 09 Dec 2025 17:20:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-10 22:28:08.065992
• Title: Forecasting Fails: Unveiling Evasion Attacks in Weather Prediction Models
• Title（参考訳）: 予報障害:気象予報モデルにおける侵入攻撃の防止
• Authors: Huzaifa Arif, Pin-Yu Chen, Alex Gittens, James Diffenderfer, Bhavya Kailkhura,
• Abstract要約: 本研究では,気象適応型対向摂動最適化(WAAPO)を紹介した。 WAAPOは、チャネルの間隔、空間的局所化、滑らかさの制約を取り入れ、摂動が物理的に現実的で知覚不能であることを保証することでこれを達成している。 我々の実験は、AI駆動予測モデルにおける重要な脆弱性を強調しており、初期状態への小さな摂動が大きな逸脱をもたらす可能性がある。
• 参考スコア（独自算出の注目度）: 60.728124907335
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the increasing reliance on AI models for weather forecasting, it is imperative to evaluate their vulnerability to adversarial perturbations. This work introduces Weather Adaptive Adversarial Perturbation Optimization (WAAPO), a novel framework for generating targeted adversarial perturbations that are both effective in manipulating forecasts and stealthy to avoid detection. WAAPO achieves this by incorporating constraints for channel sparsity, spatial localization, and smoothness, ensuring that perturbations remain physically realistic and imperceptible. Using the ERA5 dataset and FourCastNet (Pathak et al. 2022), we demonstrate WAAPO's ability to generate adversarial trajectories that align closely with predefined targets, even under constrained conditions. Our experiments highlight critical vulnerabilities in AI-driven forecasting models, where small perturbations to initial conditions can result in significant deviations in predicted weather patterns. These findings underscore the need for robust safeguards to protect against adversarial exploitation in operational forecasting systems.
• Abstract（参考訳）: 天気予報のためのAIモデルへの依存度が高まっているため、敵の摂動に対する脆弱性を評価することが不可欠である。 本研究は, 気象適応型対向摂動最適化(WAAPO)を導入した。これは, 予測の操作に有効であり, 検出を避けるためにステルスティィが有効である, 標的対向摂動を生成する新しいフレームワークである。 WAAPOは、チャネルの間隔、空間的局所化、滑らかさの制約を取り入れ、摂動が物理的に現実的で知覚不能であることを保証することでこれを達成している。 ERA5データセットとFourCastNet(Pathak et al 2022)を用いて、制約条件下であっても、予め定義された目標と密接に一致した対向軌道を生成するWAAPOの能力を実証する。 我々の実験は、AI駆動予測モデルにおける重要な脆弱性を強調しており、初期状態への小さな摂動が予測される気象パターンに重大なずれをもたらす可能性がある。 これらの知見は、運用予測システムにおける敵の攻撃から保護するための堅牢な安全ガードの必要性を浮き彫りにした。

関連論文リスト

• On the Predictive Skill of Artificial Intelligence-based Weather Models for Extreme Events using Uncertainty Quantification [0.34875901464487297]
  本研究は,芸術決定論的人工知能モデルが初期条件摂動にどう反応するかを考察する。 2022年8月、パキスタンの洪水と中国の熱波の2つの主要なイベントのために50の会員アンサンブルを生成します。 その結果,流れ依存摂動は最も現実的なアンサンブルの広がりと高い確率的スキルを生み出すが,数値的な天気予報アンサンブルで性能ギャップを埋めることはできないことがわかった。
  論文  参考訳（メタデータ） (2025-11-21T11:54:22Z)
• SynCast: Synergizing Contradictions in Precipitation Nowcasting via Diffusion Sequential Preference Optimization [62.958457694151384]
  本研究では,大規模な言語モデルにおける人的フィードバックからの強化学習の成功を動機として,降水量の最適化を初めて導入する。 第一段階では、フレームワークはFARを減らすことに焦点を当て、誤報を効果的に抑えるためにモデルを訓練する。
  論文  参考訳（メタデータ） (2025-10-22T16:11:22Z)
• Adversarial Attacks on Downstream Weather Forecasting Models: Application to Tropical Cyclone Trajectory Prediction [16.063976106946402]
  本稿では,DLWFモデルの上流予測を妨害し,対向軌道を生成する新しい手法であるCyc-Attackを提案する。 このような制約を克服するために, DLWFモデルの上流予測を摂動させ, 対角軌道を生成する新しい手法であるCyc-Attackを提案する。
  論文  参考訳（メタデータ） (2025-10-11T09:42:16Z)
• Realistic Adversarial Attacks for Robustness Evaluation of Trajectory Prediction Models via Future State Perturbation [1.124958340749622]
  軌道予測は自動運転車システムの重要な要素である。 現在のアプローチでは、周囲のエージェントの過去の位置を乱すことに重点を置いている。 本稿では,これらの対向軌道の現実性と影響を評価するための新しい性能指標を提案する。
  論文  参考訳（メタデータ） (2025-05-09T15:40:32Z)
• Lightning-Fast Convective Outlooks: Predicting Severe Convective Environments with Global AI-based Weather Models [0.08271752505511926]
  激しい対流嵐は最も危険な気象現象であり、正確な予測は影響を緩和する。 最近リリースされたAIベースの天気モデルスイートは、中距離の予測を数秒で生成する。 本稿では,再解析とECMWFの運用数値天気予報モデルISSに対して,対流パラメータを対象とした3つのAIモデルの予測能力を評価する。
  論文  参考訳（メタデータ） (2024-06-13T07:46:03Z)
• ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
  非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。 また,複数のランダムサンプルを用いて予測結果の不確かさをキャプチャするExBoosterについても紹介する。 提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
  論文  参考訳（メタデータ） (2024-02-02T10:34:13Z)
• PreDiff: Precipitation Nowcasting with Latent Diffusion Models [28.52267957954304]
  確率的予測が可能な条件付き潜伏拡散モデルを開発した。 予測をドメイン固有の物理的制約と整合させるために、明示的な知識アライメント機構を組み込んだ。
  論文  参考訳（メタデータ） (2023-07-19T19:19:13Z)

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。