論文の概要: Adversarial Robustness of Near-Field Millimeter-Wave Imaging under Waveform-Domain Attacks

• arxiv url: http://arxiv.org/abs/2604.21774v1
• Date: Thu, 23 Apr 2026 15:32:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-24 14:40:06.68824
• Title: Adversarial Robustness of Near-Field Millimeter-Wave Imaging under Waveform-Domain Attacks
• Title（参考訳）: 波形ドメインアタックによる近接場ミリ波イメージングの対向ロバスト性
• Authors: Lhamo Dorje, Jordan Madden, Soamar Homsi, Xiaohua Li,
• Abstract要約: 近場ミリ波イメージング(mmWave)は、空港の乗客検診などの安全上重要な用途に広く応用されている。 本稿では、波形領域の物理的攻撃下でのmmWaveイメージングアルゴリズムの逆方向の堅牢性について体系的に研究する。
• 参考スコア（独自算出の注目度）: 2.311858832113359
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Near-field millimeter-wave (mmWave) imaging is widely deployed in safety-critical applications such as airport passenger screening, yet its own security remains largely unexplored. This paper presents a systematic study of the adversarial robustness of mmWave imaging algorithms under waveform-domain physical attacks that directly manipulate the image reconstruction process. We propose a practical white-box adversarial model and develop a differential imaging attack framework that leverages the differentiable imaging pipeline to optimize attack waveforms. We also construct a real measured dataset of clean and attack waveforms using a mmWave imaging testbed. Experiments on 10 representative imaging algorithms show that mmWave imaging is highly vulnerable to such attacks, enabling an adversary to conceal or alter targets with moderate transmission power. Surprisingly, deep-learning-based imaging algorithms demonstrate higher robustness than classical algorithms. These findings expose critical security risks and motivate the development of robust and secure mmWave imaging systems.
• Abstract（参考訳）: 近場ミリ波イメージング(mmWave)は、空港の乗客検診などの安全上重要な用途に広く応用されているが、そのセキュリティは明らかにされていない。 本稿では、画像再構成プロセスを直接操作する波形領域の物理攻撃下でのmmWave画像アルゴリズムの対角的ロバスト性について体系的に研究する。 実用的なホワイトボックス対向モデルを提案し、識別可能な画像パイプラインを利用して攻撃波形を最適化するディファレンシャル・イメージング・アタック・フレームワークを開発する。 また,mmWaveイメージングテストベッドを用いて,クリーンおよびアタック波形の実測データセットを構築した。 10の代表的な撮像アルゴリズムの実験では、mmWaveイメージングはそのような攻撃に対して非常に脆弱であり、敵が適度な送信パワーで標的を隠蔽または修正することができる。 驚くべきことに、ディープラーニングベースのイメージングアルゴリズムは、古典的なアルゴリズムよりも堅牢性が高い。 これらの結果は、重大なセキュリティリスクを明らかにし、堅牢でセキュアなmmWaveイメージングシステムの開発を動機付けている。

関連論文リスト

• 3D Gaussian Splatting Driven Multi-View Robust Physical Adversarial Camouflage Generation [50.03578546845548]
  物理敵攻撃法は、ディープニューラルネットワークの脆弱性を露呈し、自律運転のような安全クリティカルなシナリオに重大な脅威をもたらす。 カモフラージュをベースとした物理的な攻撃は、パッチベースの攻撃よりも有望なアプローチであり、複雑な物理的環境においてより強力な対逆効果を提供する。 本稿では,PGAと命名された3Dガウススティング(3DGS)に基づく物理的攻撃フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-02T05:10:16Z)
• CARNet: Collaborative Adversarial Resilience for Robust Underwater Image Enhancement and Perception [16.135354859458758]
  我々は,CARNetと呼ばれる協調対向レジリエンスネットワークを導入し,水中画像の強調とそれに続く検出を行う。 本研究ではまず,水中画像から攻撃を分離する強力な知覚能力を持つ可逆ネットワークを導入する。 また,異なるタイプの攻撃に対するネットワークの堅牢性を高めるために,二段階攻撃最適化手法を提案する。
  論文  参考訳（メタデータ） (2023-09-03T06:52:05Z)
• Towards Large-scale Single-shot Millimeter-wave Imaging for Low-cost Security Inspection [4.970957539542638]
  安全検査のための有望な技術としてミリ波イメージング(MMW)が登場している。 近年の進歩にもかかわらず、要求される大規模アンテナアレイの高コストは、MMWイメージングの実用化を妨げている。 スパースアンテナアレイを用いた大規模単発MMWイメージングフレームワークについて報告する。
  論文  参考訳（メタデータ） (2023-05-25T06:00:29Z)
• Backdoor Attacks for Remote Sensing Data with Wavelet Transform [14.50261153230204]
  本稿では,リモートセンシングデータに対するバックドア攻撃の系統的解析を行う。 そこで本研究では, 有害画像にトリガ画像を注入することで, 目に見えない攻撃を可能にする新しいウェーブレット変換ベースアタック(WABA)手法を提案する。 その単純さにもかかわらず、提案手法は攻撃成功率の高い最先端のディープラーニングモデルをかなり騙すことができる。
  論文  参考訳（メタデータ） (2022-11-15T10:49:49Z)
• Robust Real-World Image Super-Resolution against Adversarial Attacks [115.04009271192211]
  準知覚不可能な雑音を持つ逆画像サンプルは、深層学習SRモデルを脅かす可能性がある。 本稿では,現実のSRに対して,潜在的な敵対的雑音をランダムに消去する頑健なディープラーニングフレームワークを提案する。 提案手法は敵攻撃に敏感であり,既存のモデルや防御よりも安定なSR結果を示す。
  論文  参考訳（メタデータ） (2022-07-31T13:26:33Z)
• Compressive Shack-Hartmann Wavefront Sensor based on Deep Neural Networks [6.349814434538407]
  シャック・ハートマン波面センサは、適応光学系における大気乱流による収差を測定するために広く用いられている。 本稿では,圧縮シャック・ハートマン波面検出法を提案する。 本手法は,高信号対雑音比のスポット画像を有するサブアパーチャの傾斜測定を用いて,波面を再構成する。
  論文  参考訳（メタデータ） (2020-11-20T07:18:21Z)
• WaveTransform: Crafting Adversarial Examples via Input Decomposition [69.01794414018603]
  本稿では,低周波サブバンドと高周波サブバンドに対応する逆雑音を生成するWaveTransformを紹介する。 実験により,提案攻撃は防衛アルゴリズムに対して有効であり,CNN間での転送も可能であることが示された。
  論文  参考訳（メタデータ） (2020-10-29T17:16:59Z)
• Face Anti-Spoofing by Learning Polarization Cues in a Real-World Scenario [50.36920272392624]
  顔の偽造は生体認証アプリケーションにおけるセキュリティ侵害を防ぐ鍵となる。 RGBと赤外線画像を用いたディープラーニング手法は,新たな攻撃に対する大量のトレーニングデータを必要とする。 本研究では,実顔の偏光画像の物理的特徴を自動的に学習することにより,現実のシナリオにおける顔のアンチ・スプーフィング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T03:04:03Z)

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。