論文の概要: DDSA: Dual-Domain Strategic Attack for Spatial-Temporal Efficiency in Adversarial Robustness Testing

• arxiv url: http://arxiv.org/abs/2601.14302v1
• Date: Sun, 18 Jan 2026 03:14:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-22 21:27:50.086161
• Title: DDSA: Dual-Domain Strategic Attack for Spatial-Temporal Efficiency in Adversarial Robustness Testing
• Title（参考訳）: DDSA : 対人ロバストネステストにおける空間的時間的効率のためのデュアルドメインストラテジックアタック
• Authors: Jinwei Hu, Shiyuan Meng, Yi Dong, Xiaowei Huang,
• Abstract要約: 現在の対向ロバスト性試験法は、フレーム単位の徹底的な処理とフルイメージの摂動を必要とする。 本稿では,時間的選択性と空間的精度の検証を最適化する資源効率の高い対向ロバスト性試験フレームワークを提案する。 我々の二重ドメインアプローチは、攻撃効率を維持しながら、時間空間資源の大幅な保全を実現する。
• 参考スコア（独自算出の注目度）: 15.584123527129146
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Image transmission and processing systems in resource-critical applications face significant challenges from adversarial perturbations that compromise mission-specific object classification. Current robustness testing methods require excessive computational resources through exhaustive frame-by-frame processing and full-image perturbations, proving impractical for large-scale deployments where massive image streams demand immediate processing. This paper presents DDSA (Dual-Domain Strategic Attack), a resource-efficient adversarial robustness testing framework that optimizes testing through temporal selectivity and spatial precision. We introduce a scenario-aware trigger function that identifies critical frames requiring robustness evaluation based on class priority and model uncertainty, and employ explainable AI techniques to locate influential pixel regions for targeted perturbation. Our dual-domain approach achieves substantial temporal-spatial resource conservation while maintaining attack effectiveness. The framework enables practical deployment of comprehensive adversarial robustness testing in resource-constrained real-time applications where computational efficiency directly impacts mission success.
• Abstract（参考訳）: 資源クリティカルなアプリケーションにおける画像伝送と処理システムは、ミッション固有のオブジェクト分類を侵害する敵の摂動から重大な課題に直面している。 現在のロバストネステスト手法では、フレーム単位の網羅的な処理とフルイメージの摂動を通じて過剰な計算資源を必要とし、大量の画像ストリームが即時処理を必要とする大規模デプロイメントでは実用的でないことを証明している。 本稿では,時間的選択性と空間的精度の検証を最適化する資源効率の高い対向ロバスト性試験フレームワークDDSAについて述べる。 本稿では,クラス優先度とモデル不確実性に基づく頑健性評価を必要とする重要なフレームを識別するシナリオ認識トリガー機能を導入し,AI技術を用いて,ターゲットの摂動に影響を及ぼす画素領域の特定を行う。 我々の二重ドメインアプローチは、攻撃効率を維持しながら、時間空間資源の大幅な保全を実現する。 このフレームワークは、計算効率がミッション成功に直接影響を及ぼすリソース制約されたリアルタイムアプリケーションにおいて、包括的対向ロバストネステストの実践的な展開を可能にする。

関連論文リスト

• An Optimized Decision Tree-Based Framework for Explainable IoT Anomaly Detection [1.2520011735093362]
  モノのインターネット(IoT)デバイスの増加は、サイバー脅威の攻撃面を著しく増加させています。 本稿では、最適化された決定木分類器に基づく説明可能なAI(XAI)フレームワークを提案する。 提案システムは,99.91%の精度,99.51%のF1スコア,0.9960のコーエンカッパ,98.93%のクロスバリデーション平均精度で高い安定性が確認された。
  論文  参考訳（メタデータ） (2026-01-18T08:48:53Z)
• RCDN: Real-Centered Detection Network for Robust Face Forgery Identification [7.41356813669013]
  既存の検出方法は、同一領域内でトレーニングやテストを行う場合、ほぼ完璧な性能を達成する。 新しい偽造技術が継続的に出現し、検出器は目に見えない操作に対して信頼性を保たなければならない。 本稿では,周波数空間畳み込みニューラルネットワーク(CNN)フレームワークであるReal-Centered Detection Network (RCDN)を提案する。
  論文  参考訳（メタデータ） (2026-01-17T17:09:15Z)
• HAD: Hierarchical Asymmetric Distillation to Bridge Spatio-Temporal Gaps in Event-Based Object Tracking [80.07224739976911]
  イベントカメラは例外的な時間分解能と範囲(モード)を提供する RGBカメラは高解像度でリッチテクスチャを捉えるのに優れていますが、イベントカメラは例外的な時間分解能とレンジ(モダル)を提供します。
  論文  参考訳（メタデータ） (2025-10-22T13:15:13Z)
• ReliabilityRAG: Effective and Provably Robust Defense for RAG-based Web-Search [69.60882125603133]
  本稿では,検索した文書の信頼性情報を明確に活用する,敵対的堅牢性のためのフレームワークであるReliabilityRAGを提案する。 我々の研究は、RAGの回収されたコーパスの腐敗に対するより効果的で確実に堅牢な防御に向けた重要な一歩である。
  論文  参考訳（メタデータ） (2025-09-27T22:36:42Z)
• Rethinking Evaluation of Infrared Small Target Detection [105.59753496831739]
  本稿では,画素レベルと目標レベルのパフォーマンスを取り入れたハイブリッドレベルのメトリクスを導入し,システム的エラー解析手法を提案し,クロスデータセット評価の重要性を強調した。 標準化されたベンチマークを容易にするオープンソースツールキットがリリースされた。
  論文  参考訳（メタデータ） (2025-09-21T02:45:07Z)
• Efficient Test-time Adaptive Object Detection via Sensitivity-Guided Pruning [73.40364018029673]
  連続的なテスト時間適応オブジェクト検出(CTTA-OD)は、源となる事前訓練された検出器を常に変化する環境にオンライン適応させることを目的としている。 私たちのモチベーションは、学習したすべての特徴が有益であるとは限らないという観察に起因しています。 FLOPの計算オーバヘッドを12%削減し,優れた適応性を実現する。
  論文  参考訳（メタデータ） (2025-06-03T05:27:56Z)
• Unveiling Zero-Space Detection: A Novel Framework for Autonomous Ransomware Identification in High-Velocity Environments [0.0]
  提案したZero-Space Detectionフレームワークは、教師なしクラスタリングと高度なディープラーニング技術により、潜時行動パターンを識別する。 高速度環境では多相フィルタリングとアンサンブル学習を統合して効率的な意思決定を行う。 実験的評価では、LockBit、Conti、Revil、BlackMatterなど、さまざまなランサムウェアファミリー間で高い検出率を示している。
  論文  参考訳（メタデータ） (2025-01-22T11:41:44Z)
• RE-POSE: Synergizing Reinforcement Learning-Based Partitioning and Offloading for Edge Object Detection [3.2805151494259563]
  エッジデバイス上でのリアルタイムオブジェクト検出は、その限られた計算リソースと、ディープニューラルネットワーク(DNN)ベースの検出モデルの高要求により、大きな課題を呈している。 本稿では,リソース制約のあるエッジ環境における精度-遅延トレードオフを最適化するフレームワークであるRE-POSEを紹介する。
  論文  参考訳（メタデータ） (2025-01-16T10:56:45Z)
• Attention-Based Real-Time Defenses for Physical Adversarial Attacks in Vision Applications [58.06882713631082]
  ディープニューラルネットワークはコンピュータビジョンタスクにおいて優れたパフォーマンスを示すが、現実の敵攻撃に対する脆弱性は深刻なセキュリティ上の懸念を引き起こす。 本稿では、敵チャネルの注意力を利用して、浅いネットワーク層における悪意のある物体を素早く識別・追跡する、効果的な注意に基づく防御機構を提案する。 また、効率的な多フレーム防御フレームワークを導入し、防御性能と計算コストの両方を評価することを目的とした広範な実験を通じて、その有効性を検証した。
  論文  参考訳（メタデータ） (2023-11-19T00:47:17Z)

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。