論文の概要: Less Is More: Sparse and Cooperative Perturbation for Point Cloud Attacks

• arxiv url: http://arxiv.org/abs/2512.13119v1
• Date: Mon, 15 Dec 2025 09:18:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.598719
• Title: Less Is More: Sparse and Cooperative Perturbation for Point Cloud Attacks
• Title（参考訳）: ポイントクラウド攻撃に対する疎外的かつ協調的妨害
• Authors: Keke Tang, Tianyu Hao, Xiaofei Wang, Weilong Peng, Denghui Zhang, Peican Zhu, Zhihong Tian,
• Abstract要約: 点雲に対するほとんどの敵の攻撃は多数の点を乱し、広い幾何学的変化を引き起こし、現実世界のシナリオで適用性を制限する。 本研究では,共同摂動が増幅対角効果をもたらす点のコンパクトな部分集合を選択・活用するスパース・協調摂動フレームワークであるSCPを提案する。 SCPは100%の攻撃成功率を達成し、最先端のスパース攻撃を超越し、より少ない修正で高密度攻撃に対して優れた認識能力を提供する。
• 参考スコア（独自算出の注目度）: 40.755180629837696
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most adversarial attacks on point clouds perturb a large number of points, causing widespread geometric changes and limiting applicability in real-world scenarios. While recent works explore sparse attacks by modifying only a few points, such approaches often struggle to maintain effectiveness due to the limited influence of individual perturbations. In this paper, we propose SCP, a sparse and cooperative perturbation framework that selects and leverages a compact subset of points whose joint perturbations produce amplified adversarial effects. Specifically, SCP identifies the subset where the misclassification loss is locally convex with respect to their joint perturbations, determined by checking the positivedefiniteness of the corresponding Hessian block. The selected subset is then optimized to generate high-impact adversarial examples with minimal modifications. Extensive experiments show that SCP achieves 100% attack success rates, surpassing state-of-the-art sparse attacks, and delivers superior imperceptibility to dense attacks with far fewer modifications.
• Abstract（参考訳）: 点雲に対するほとんどの敵の攻撃は多数の点を乱し、広い幾何学的変化を引き起こし、現実世界のシナリオで適用性を制限する。 近年の研究では、わずか数点の変更によるスパース攻撃を探求しているが、個々の摂動の影響が限られているため、このようなアプローチは効果を維持するのに苦慮することが多い。 本稿では,共同摂動が増幅逆効果をもたらす点のコンパクトな部分集合を選択・活用するスパース・協調摂動フレームワークであるSCPを提案する。 具体的には、SCPは、その結合摂動に関して、誤分類損失が局所凸である部分集合を特定し、対応するヘッセンブロックの正定性をチェックすることによって決定する。 選択されたサブセットは、最小限の変更で高影響の敵例を生成するように最適化される。 大規模な実験により、SCPは100%の攻撃成功率を達成し、最先端のスパース攻撃を超越し、はるかに少ない修正で密集攻撃に対して優れた非受容性を提供することが示された。

関連論文リスト

• Potent but Stealthy: Rethink Profile Pollution against Sequential Recommendation via Bi-level Constrained Reinforcement Paradigm [44.622203626828345]
  対話シーケンスを通じて動的ユーザインテントを利用するシークエンシャルリコメンダは、敵攻撃に対して脆弱である。 本報告では, ユーザインタラクションを微妙に汚染し, ターゲットの誤予測を誘発するプロファイル汚染攻撃について述べる。 本稿では,2段階の最適化フレームワークを多方向強化学習と相乗化して,対向効果とステルスネスのバランスをとる制約付き強化駆動攻撃 CREAT を提案する。
  論文  参考訳（メタデータ） (2025-11-12T15:00:52Z)
• Sparse patches adversarial attacks via extrapolating point-wise information [3.847935699278262]
  そこで本研究では,高密度対向摂動をポイントワイドトリミングすることで,対向攻撃のスパースパッチに対する新しいアプローチを提案する。 また,本手法は標準的なスパース攻撃にも適用可能であり,複数の広範囲な設定に対して,最先端の手法を大幅に改善することを示す。
  論文  参考訳（メタデータ） (2024-11-25T07:36:46Z)
• Multi-granular Adversarial Attacks against Black-box Neural Ranking Models [111.58315434849047]
  多粒性摂動を取り入れた高品質な逆数例を作成する。 我々は,多粒体攻撃を逐次的意思決定プロセスに変換する。 本手法は,攻撃の有効性と非受容性の両方において,一般的なベースラインを超えている。
  論文  参考訳（メタデータ） (2024-04-02T02:08:29Z)
• SWAP: Exploiting Second-Ranked Logits for Adversarial Attacks on Time Series [11.356275885051442]
  時系列分類(TSC)は、様々な領域において重要な課題となっている。 ディープニューラルモデルは、TSCタスクにおいて優れたパフォーマンスを示している。 TSCモデルは敵攻撃に対して脆弱である。 TSCモデルの新たな攻撃手法であるSWAPを提案する。
  論文  参考訳（メタデータ） (2023-09-06T06:17:35Z)
• Sparse and Imperceptible Adversarial Attack via a Homotopy Algorithm [93.80082636284922]
  少数の敵対的攻撃は、数ピクセルを摂動するだけでディープ・ネットワーク(DNN)を騙すことができる。 近年の取り組みは、他の等級のl_infty摂動と組み合わせている。 本稿では,空間的・神経的摂動に対処するホモトピーアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-06-10T20:11:36Z)
• A Perceptual Distortion Reduction Framework for Adversarial Perturbation Generation [58.6157191438473]
  2つの観点からこの問題に対処するための知覚的歪み低減フレームワークを提案する。 知覚的歪みの制約を提案し,それを敵攻撃の客観的機能に追加し,知覚的歪みと攻撃成功率を共同で最適化する。
  論文  参考訳（メタデータ） (2021-05-01T15:08:10Z)
• A Hamiltonian Monte Carlo Method for Probabilistic Adversarial Attack and Learning [122.49765136434353]
  本稿では,HMCAM (Acumulated Momentum) を用いたハミルトニアンモンテカルロ法を提案する。 また, 対数的対数的対数的学習(Contrastive Adversarial Training, CAT)と呼ばれる新たな生成法を提案し, 対数的例の平衡分布にアプローチする。 いくつかの自然画像データセットと実用システムに関する定量的および定性的な解析により、提案アルゴリズムの優位性が確認された。
  論文  参考訳（メタデータ） (2020-10-15T16:07:26Z)

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。