論文の概要: CIS-BA: Continuous Interaction Space Based Backdoor Attack for Object Detection in the Real-World

• arxiv url: http://arxiv.org/abs/2512.14158v1
• Date: Tue, 16 Dec 2025 07:37:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-17 16:49:26.626477
• Title: CIS-BA: Continuous Interaction Space Based Backdoor Attack for Object Detection in the Real-World
• Title（参考訳）: CIS-BA:実世界におけるオブジェクト検出のための連続的インタラクション空間に基づくバックドアアタック
• Authors: Shuxin Zhao, Bo Lang, Nan Xiao, Yilang Zhang,
• Abstract要約: 静的なオブジェクト特徴から連続的なオブジェクト間相互作用パターンにシフトすることでトリガ設計を再定義する新しいバックドアアタックパラダイムを提案する。 これらのパターンを連続的な相互作用空間としてモデル化することにより、CIS-BAは、初めてマルチトリガー・マルチオブジェクト攻撃機構を可能にする空間トリガーを導入する。 CIS-BAは、複雑な環境下で97%以上の攻撃を成功させ、動的マルチトリガー条件下で95%以上の有効性を維持する。
• 参考スコア（独自算出の注目度）: 10.969593776020757
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Object detection models deployed in real-world applications such as autonomous driving face serious threats from backdoor attacks. Despite their practical effectiveness,existing methods are inherently limited in both capability and robustness due to their dependence on single-trigger-single-object mappings and fragile pixel-level cues. We propose CIS-BA, a novel backdoor attack paradigm that redefines trigger design by shifting from static object features to continuous inter-object interaction patterns that describe how objects co-occur and interact in a scene. By modeling these patterns as a continuous interaction space, CIS-BA introduces space triggers that, for the first time, enable a multi-trigger-multi-object attack mechanism while achieving robustness through invariant geometric relations. To implement this paradigm, we design CIS-Frame, which constructs space triggers via interaction analysis, formalizes them as class-geometry constraints for sample poisoning, and embeds the backdoor during detector training. CIS-Frame supports both single-object attacks (object misclassification and disappearance) and multi-object simultaneous attacks, enabling complex and coordinated effects across diverse interaction states. Experiments on MS-COCO and real-world videos show that CIS-BA achieves over 97% attack success under complex environments and maintains over 95% effectiveness under dynamic multi-trigger conditions, while evading three state-of-the-art defenses. In summary, CIS-BA extends the landscape of backdoor attacks in interaction-intensive scenarios and provides new insights into the security of object detection systems.
• Abstract（参考訳）: 自動運転車のような現実世界のアプリケーションにデプロイされたオブジェクト検出モデルは、バックドア攻撃による深刻な脅威に直面します。 実用性にも拘わらず、既存の手法は、単一のトリガー・シングルオブジェクトマッピングと脆弱なピクセルレベルのキューに依存するため、能力と堅牢性の両方に本質的に制限されている。 CIS-BAは、静的なオブジェクト特徴からオブジェクト間の相互作用パターンへ移行することでトリガ設計を再定義する新しいバックドア攻撃パラダイムである。 これらのパターンを連続的な相互作用空間としてモデル化することにより、CIS-BAは空間トリガーを導入する。 このパラダイムを実現するために,対話解析により空間トリガを構築し,サンプル中毒のクラス幾何学的制約として定式化し,検出器訓練中にバックドアを埋め込むCIS-Frameを設計する。 CIS-Frameはシングルオブジェクト攻撃(オブジェクトの誤分類と消失)と複数オブジェクト同時攻撃の両方をサポートし、多様な相互作用状態にまたがる複雑で協調的な効果を可能にする。 MS-COCOと実世界のビデオの実験では、CIS-BAは複雑な環境で97%以上の攻撃成功を達成し、動的マルチトリガー条件下で95%以上の有効性を維持し、最先端の3つの防御を回避している。 まとめると、CIS-BAはインタラクション集約シナリオにおけるバックドア攻撃の状況を拡張し、オブジェクト検出システムのセキュリティに関する新たな洞察を提供する。

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)
• DOPA: Stealthy and Generalizable Backdoor Attacks from a Single Client under Challenging Federated Constraints [2.139012072214621]
  フェデレーテッド・ラーニング(FL)は、プライバシー保護のための協調トレーニングにますます採用されているが、その分散した性質は、バックドア攻撃の影響を受けやすい。 しかし、既存の攻撃方法は、しばしば理想化された仮定に依存し、現実の制約の下で有効に保たない。 異種ローカルトレーニングのダイナミクスをシミュレートし,多種多様な最適化トラジェクトリ間のコンセンサスを求める新しいフレームワークであるDOPAを提案する。
  論文  参考訳（メタデータ） (2025-08-20T08:39:12Z)
• Proactive Disentangled Modeling of Trigger-Object Pairings for Backdoor Defense [0.0]
  ディープニューラルネットワーク(DNN)とジェネレーティブAI(GenAI)は、バックドア攻撃に対してますます脆弱になっている。 本稿では、構造的ゆがみを利用したプロアクティブなフレームワークであるDBOMを紹介し、見えないバックドアの脅威を識別し、中和する。 そこで本研究では,DBOMが下流トレーニングに先立って有毒な画像を確実に検出し,トレーニングパイプラインの安全性を著しく向上することを示す。
  論文  参考訳（メタデータ） (2025-08-03T21:58:15Z)
• Robustifying 3D Perception via Least-Squares Graphs for Multi-Agent Object Tracking [43.11267507022928]
  本稿では,3次元LiDARシーンにおける対向雑音に対する新たな緩和フレームワークを提案する。 我々は最小二乗グラフツールを用いて各検出の遠心点の位置誤差を低減する。 実世界のV2V4Realデータセットに関する広範な評価研究は、提案手法がシングルエージェントとマルチエージェントの両方のトラッキングフレームワークよりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2025-07-07T08:41:08Z)
• Exploring the Adversarial Vulnerabilities of Vision-Language-Action Models in Robotics [68.36528819227641]
  本稿では,ビジョン・ランゲージ・アクション(VLA)モデルのロバスト性を体系的に評価する。 本研究では,ロボット行動の不安定化に空間的基盤を活用する2つの未目標攻撃目標と,ロボット軌道を操作する目標攻撃目標を導入する。 我々は、カメラの視野に小さなカラフルなパッチを配置し、デジタルと物理の両方の環境で効果的に攻撃を実行する逆パッチ生成アプローチを設計する。
  論文  参考訳（メタデータ） (2024-11-18T01:52:20Z)
• ZoomNeXt: A Unified Collaborative Pyramid Network for Camouflaged Object Detection [70.11264880907652]
  最近のオブジェクト(COD)は、現実のシナリオでは極めて複雑で難しい、視覚的にブレンドされたオブジェクトを周囲に分割しようと試みている。 本研究では,不明瞭な画像を観察したり,ズームインしたりアウトしたりする際の人間の行動を模倣する,効果的な統合協調ピラミッドネットワークを提案する。 我々のフレームワークは、画像とビデオのCODベンチマークにおいて、既存の最先端の手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2023-10-31T06:11:23Z)
• Versatile Backdoor Attack with Visible, Semantic, Sample-Specific, and Compatible Triggers [38.67988745745853]
  我々はtextbfVisible, textbfSemantic, textbfSample-lang, textbfCompatible (VSSC) と呼ばれる新しいトリガを提案する。 VSSCトリガは、効果的でステルス的で堅牢な同時実行を実現しており、対応するオブジェクトを使用して物理的シナリオに効果的にデプロイすることもできる。
  論文  参考訳（メタデータ） (2023-06-01T15:42:06Z)
• Exploiting Multi-Object Relationships for Detecting Adversarial Attacks in Complex Scenes [51.65308857232767]
  ディープニューラルネットワーク(DNN)をデプロイするビジョンシステムは、敵の例に弱いことが知られている。 近年の研究では、入力データの固有成分のチェックは、敵攻撃を検出するための有望な方法であることが示された。 言語モデルを用いてコンテキスト整合性チェックを行う新しい手法を開発した。
  論文  参考訳（メタデータ） (2021-08-19T00:52:10Z)

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。