論文の概要: InstantForget: Update-Free Backdoor Unlearning with Inference-Time Feature Reset

• arxiv url: http://arxiv.org/abs/2606.15730v1
• Date: Sun, 14 Jun 2026 10:26:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:33.811173
• Title: InstantForget: Update-Free Backdoor Unlearning with Inference-Time Feature Reset
• Title（参考訳）: InstantForget: 推論時機能リセットによるアップデート不要のバックドアアンラーニング
• Abstract要約: Backdoor Unlearningは、クリーンなユーティリティを保持しながら、デプロイされたモデルから悪意のあるトリガー動作を削除することを目的としている。 モデルパラメータが凍結状態にある更新不要な推論時間設定について検討する。 InstantForgetは、マハラノビススコアで異常な特徴をフラグ付けし、フラグ付き特徴のみを中立な非ターゲット表現へ移動させるクリーンな校正リセットである。
• 参考スコア（独自算出の注目度）: 2.347843817145202
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Backdoor unlearning aims to remove a malicious trigger behavior from a deployed model while preserving clean utility. We study the update-free inference-time setting, where model parameters remain frozen. First, we audit a common projection assumption under oracle paired clean and triggered features. Projection succeeds mainly on BadNets and leaves WaNet, Blended, and SIG at 0.683, 0.888, and 0.941 ASR on CIFAR-10 ResNet-18. This failure is not explained by spectral compactness, spatial locality, or subspace misalignment. It is predicted by a logit-triplet gap involving the target margin, target-logit drop, and non-target logit rise. We then introduce InstantForget, a clean-calibrated gated reset that flags anomalous features with a Mahalanobis score and moves only flagged features toward a neutral non-target representation. With one fixed operating point selected on held-out triggered validation, InstantForget reduces average ASR to 0.071 across four non-adaptive CIFAR-10 triggers without triggered samples or parameter updates at deployment. It also reaches 0.981 detection AUROC and transfers to six of eight tested backbones. Reported failures under WaNet, ModelNet10 point blend, two backbone geometries, and adaptive feature-compactness attacks define the method's scope.
• Abstract（参考訳）: Backdoor Unlearningは、クリーンなユーティリティを保持しながら、デプロイされたモデルから悪意のあるトリガー動作を削除することを目的としている。 モデルパラメータが凍結状態にある更新不要な推論時間設定について検討する。 まず、オラクルペアのクリーンでトリガされた特徴の下で、共通のプロジェクション仮定を監査する。 BadNetsとWaNet、Blended、SIGが0.683、0.888、0.941 ASRでCIFAR-10 ResNet-18で成功している。 この失敗は、スペクトルのコンパクト性、空間的局所性、または部分空間のミスアライメントによって説明されない。 ターゲットマージン、ターゲットロジットドロップ、非ターゲットロジット上昇を含むロジット・トリップレットギャップによって予測される。 クリーンキャリブレーションされたゲートリセットであるInstantForgetを導入し、マハラノビススコアで異常な特徴をフラグ付けし、フラグ付き特徴のみを中立な非ターゲット表現へ移動させる。 InstantForgetは、保留中のトリガバリデーションで選択された1つの固定動作ポイントにより、4つの非適応型CIFAR-10トリガに対して平均的なASRを0.071に削減する。 また、AUROCを0.981で検出し、8つの試験されたバックボーンのうち6つに転送する。 WaNet、ModelNet10のポイントブレンド、2つのバックボーンジオメトリ、アダプティブ・フィーチャー・コンパクトネス・アタックで報告された障害は、メソッドの範囲を定義します。

関連論文リスト

• ReDraft, Don't Just Distill: Reference-Driven Revision for Continual VLLM Post-Training [66.72708893922605]
  大規模なマルチモーダルモデルのポストトレーニングは、事前トレーニングから保護しながら、新しい機能を追加する必要がある。 SFTは、タスクをほぼゼロの精度から学習する明確なターゲット監視を提供するが、そのオフポリティックターゲットはモデルを十分に移動させ、忘れる原因となる。 モデル自身の失敗から両方を得るReDraftを紹介します。
  論文  参考訳（メタデータ） (2026-09-15T04:59:03Z)
• BadEngram: Backdoor Attack on Gated Memory Components in LLMs [3.823638706744939]
  BadEngramは、ゲートパラメトリックメモリを利用して持続的でトリガーに依存した動作を埋め込むポストトレーニング攻撃である。 まず、攻撃の可能性を確立し、そのメカニズムを制御されたEngramモデルで因果的に特徴付ける。 次に、この脆弱性がQwen3.8-Flash-NextのネイティブPer-Layer Embeddingサブシステムで本番スケールに拡張されるかどうかをテストする。
  論文  参考訳（メタデータ） (2026-09-11T19:48:59Z)
• Adaptive Intrusion Detection System using Transformer-Based Neural Networks and Continual Learning Approach with Adversarial Investigation [1.90296757424868]
  ネットワーク侵入検知システム (IDS) は, 脅威分布のシフトに伴い, 配置後無音で停止する。 リプレイベースの連続学習はこれに反論するが、既存の手法では、ベニティトラフィックを1つの初期タスクに非現実的に限定し、リプレイバッファを潜在的攻撃面として無視する。 より忠実なストレステストとして新しい攻撃と共に良心が流れるクラスインスタンスインクリメンタル(CII)シナリオを導入し、オーバートラベルのフリップとステルスバックドア中毒攻撃でバッファーを探索する。
  論文  参考訳（メタデータ） (2026-08-05T09:06:45Z)
• Forensic Trajectory Signatures for Agent Memory Poisoning Detection [0.0]
  攻撃が成功するには、email_send_emailの前にMemory_recall_factを呼び出す必要がある。 この不変量のみを利用する単純な規則は AUC = 0.9563 となる。 厳密にプレフィックスのみの変種は AUC = 0.934 を達成し、リアルタイムブロッキングは適度な劣化で実現可能であることを示唆している。
  論文  参考訳（メタデータ） (2026-06-29T17:09:03Z)
• PURGE: Projected Unlearning via Retain-Guided Erasure [5.069332646113575]
  PURGEは、単純だが未発見の観測(継続学習(CL)と機械未学習(MU))に基づいて構築された機械学習アルゴリズムである。 CLは古いタスクを忘れずに新しいタスクを学習しようとします。MUは、反対方向に同じ根底にある緊張力を表す保持パフォーマンスを損なうことなく、特定のデータを消去しようとします。 PURGEは、MIA AUROCを0.5(理想)に近い精度で達成し、勾配上昇、KLユニフォーム、プライバシーユーティリティフロンティアのいくつかのベースラインを達成しながら、常に96%以上の精度を維持している。
  論文  参考訳（メタデータ） (2026-06-02T15:53:01Z)
• BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
  マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。 両課題に対処する統合フレームワークであるBadCLIP++を提案する。 ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。 持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
  論文  参考訳（メタデータ） (2026-02-19T08:31:16Z)
• CARE What Fails: Contrastive Anchored-REflection for Verifiable Multimodal [84.71254539482369]
  検証可能な報酬を伴うグループ相対的強化学習(RLVR)は、しばしば、すでに失敗している最も情報に富むデータを浪費する。 エラーを監督するマルチモーダル推論のための,障害中心のポストトレーニングフレームワークであるCAREを提案する。 CAREは正確さを改善し、スムーズさをトレーニングすると同時に、障害からの学習信号のシェアを明示的に増やします。
  論文  参考訳（メタデータ） (2025-12-22T16:34:21Z)
• Illuminating the Black Box: Real-Time Monitoring of Backdoor Unlearning in CNNs via Explainable AI [0.0]
  バックドア攻撃は、誤分類を強制する悪意のあるトリガーを埋め込むことで、ディープニューラルネットワークに深刻なセキュリティ脅威を引き起こす。 本稿では,Grad-CAM(Grad-CAM)を学習プロセスに統合し,リアルタイムモニタリングと説明可能性を実現する新しいフレームワークを提案する。 BadNets攻撃によるCIFAR-10の実験では、我々のアプローチが96.51%から5.52%に減少し、99.48%のクリーン精度(82.06%)を維持した。
  論文  参考訳（メタデータ） (2025-11-26T11:29:11Z)
• KoALA: KL-L0 Adversarial Detector via Label Agreement [9.360893727306324]
  KoALAは、ディープニューラルネットワークのためのセマンティックスフリーの敵検出器である。 2つの相補的類似度指標からクラス予測が一致しない場合に、敵対攻撃を検出する。 KoALA は ResNet/CIFAR-10 の精度 0.94 とリコール 0.81 、CLIP/Tiny-ImageNet の精度 0.66 とリコール 0.85 を達成している。
  論文  参考訳（メタデータ） (2025-10-14T17:33:00Z)
• Group Evidence Matters: Tiling-based Semantic Gating for Dense Object Detection [0.0]
  本稿では,重畳誘起冗長性をグループエビデンスに変換する検出器非依存のポストプロセッシングフレームワークを提案する。 このフレームワークは再訓練を必要とせず、現代の検出器と統合する。
  論文  参考訳（メタデータ） (2025-09-13T01:55:08Z)
• Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
  新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。 拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。 MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
  論文  参考訳（メタデータ） (2024-05-01T12:03:39Z)
• Discriminator-Free Generative Adversarial Attack [87.71852388383242]
  生成的ベースの敵攻撃は、この制限を取り除くことができる。 ASymmetric Saliency-based Auto-Encoder (SSAE) は摂動を生成する。 SSAEが生成した敵の例は、広く使われているモデルを崩壊させるだけでなく、優れた視覚的品質を実現する。
  論文  参考訳（メタデータ） (2021-07-20T01:55:21Z)
• Probing Model Signal-Awareness via Prediction-Preserving Input Minimization [67.62847721118142]
  モデルが正しい脆弱性信号を捕捉して予測する能力を評価する。 SAR(Signal-Aware Recall)と呼ばれる新しい指標を用いて,モデルの信号認識を計測する。 その結果,90年代以降のリコールから60年代以降のリコールは,新たな指標で大幅に減少した。
  論文  参考訳（メタデータ） (2020-11-25T20:05:23Z)
• Detection as Regression: Certified Object Detection by Median Smoothing [50.89591634725045]
  この研究は、ランダム化平滑化による認定分類の最近の進歩によって動機付けられている。 我々は、$ell$-bounded攻撃に対するオブジェクト検出のための、最初のモデル非依存、トレーニング不要、認定された防御条件を得る。
  論文  参考訳（メタデータ） (2020-07-07T18:40:19Z)

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。