論文の概要: A Provable Energy-Guided Test-Time Defense Boosting Adversarial Robustness of Large Vision-Language Models

• arxiv url: http://arxiv.org/abs/2603.26984v1
• Date: Fri, 27 Mar 2026 20:53:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.720426
• Title: A Provable Energy-Guided Test-Time Defense Boosting Adversarial Robustness of Large Vision-Language Models
• Title（参考訳）: 大型ビジョンランゲージモデルの対向ロバスト性を高めるエネルギー誘導型テストタイムディフェンス
• Authors: Mujtaba Hussain Mirza, Antonio D'Orazio, Odelia Melamed, Iacopo Masi,
• Abstract要約: ET3(Energy-Guided Test-Time Transformation)は、入力サンプルのエネルギーを最小化してロバスト性を高める軽量な無訓練防衛である。 ET3は,CLIPを用いたゼロショット分類や,画像キャプションや視覚質問といったタスクにおけるLVLMの堅牢性向上のために,強力な防御機能を備えていることを実証する広範な実験を行った。
• 参考スコア（独自算出の注目度）: 6.002277724755204
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Despite the rapid progress in multimodal models and Large Visual-Language Models (LVLM), they remain highly susceptible to adversarial perturbations, raising serious concerns about their reliability in real-world use. While adversarial training has become the leading paradigm for building models that are robust to adversarial attacks, Test-Time Transformations (TTT) have emerged as a promising strategy to boost robustness at inference.In light of this, we propose Energy-Guided Test-Time Transformation (ET3), a lightweight, training-free defense that enhances the robustness by minimizing the energy of the input samples.Our method is grounded in a theory that proves our transformation succeeds in classification under reasonable assumptions. We present extensive experiments demonstrating that ET3 provides a strong defense for classifiers, zero-shot classification with CLIP, and also for boosting the robustness of LVLMs in tasks such as Image Captioning and Visual Question Answering. Code is available at github.com/OmnAI-Lab/Energy-Guided-Test-Time-Defense .
• Abstract（参考訳）: マルチモーダルモデルとLVLM(Large Visual-Language Models)の急速な進歩にもかかわらず、それらは敵の摂動に非常に敏感であり、現実世界での信頼性に対する深刻な懸念を引き起こしている。 敵の攻撃に対して堅牢なモデルを構築するための主要なパラダイムとなっているが、テスト時間変換(TTT)は推論におけるロバスト性を高めるための有望な戦略として現れており、本稿では、入力サンプルのエネルギーを最小化することでロバスト性を高める軽量なトレーニング不要防衛であるEnergy-Guided Test-Time Transformation(ET3)を提案する。 ET3は、CLIPを用いたゼロショット分類や、画像キャプチャや視覚質問応答などのタスクにおけるLVLMの堅牢性を高めるために、強力な防御を提供することを示した。 コードはgithub.com/OmnAI-Lab/Energy-Guided-Test-Time-Defenseで入手できる。

関連論文リスト

• MISLEADER: Defending against Model Extraction with Ensembles of Distilled Models [56.09354775405601]
  モデル抽出攻撃は、クエリアクセスを通じてブラックボックスモデルの機能を複製することを目的としている。 既存のディフェンスでは、アタッカークエリにはオフ・オブ・ディストリビューション(OOD)サンプルがあることを前提としており、不審な入力を検出し破壊することができる。 OOD仮定に依存しない新しい防衛戦略であるMISLEADERを提案する。
  論文  参考訳（メタデータ） (2025-06-03T01:37:09Z)
• R-TPT: Improving Adversarial Robustness of Vision-Language Models through Test-Time Prompt Tuning [69.72249695674665]
  視覚言語モデル(VLM)のためのロバストテスト時プロンプトチューニング(R-TPT)を提案する。 R-TPTは、推論段階における敵攻撃の影響を緩和する。 プラグアンドプレイの信頼性に基づく重み付きアンサンブル戦略を導入し,防御強化を図る。
  論文  参考訳（メタデータ） (2025-04-15T13:49:31Z)
• Shedding More Light on Robust Classifiers under the lens of Energy-based Models [3.953603590878949]
  我々は、敵対的訓練(AT)のダイナミクスについて、新しい視点を提供する。 ATにおけるエネルギー環境の分析により、標的外攻撃は、モデルの観点からの本来のデータよりも、より分散した(低エネルギー)敵画像を生成することが明らかとなった。 厳格なエビデンスを動機とした重エネルギー教育(WEAT)の提案
  論文  参考訳（メタデータ） (2024-07-08T18:31:19Z)
• Enhancing Adversarial Robustness via Test-time Transformation Ensembling [51.51139269928358]
  テスト時間変換を組み込んだモデルを組み込むことが,敵攻撃に対する信頼性の高い防御手段として有効であることを示す。 TTEは、再トレーニングを必要とせずに、様々な強力な攻撃に対するモデルロバスト性を一貫して改善することを示します。
  論文  参考訳（メタデータ） (2021-07-29T15:32:35Z)
• Policy Smoothing for Provably Robust Reinforcement Learning [109.90239627115336]
  入力のノルム有界対向摂動に対する強化学習の証明可能な堅牢性について検討する。 我々は、スムーズなポリシーによって得られる全報酬が、入力の摂動のノルムバウンドな逆数の下で一定の閾値以下に収まらないことを保証した証明書を生成する。
  論文  参考訳（メタデータ） (2021-06-21T21:42:08Z)
• Boosting Adversarial Training with Hypersphere Embedding [53.75693100495097]
  敵対的訓練は、ディープラーニングモデルに対する敵対的攻撃に対する最も効果的な防御の1つである。 本研究では,超球埋め込み機構をATプロシージャに組み込むことを提唱する。 我々は,CIFAR-10 と ImageNet データセットに対する幅広い敵対攻撃の下で本手法を検証した。
  論文  参考訳（メタデータ） (2020-02-20T08:42:29Z)

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。