論文の概要: The Spectrum Strikes Back: Infrared POV Attacks on Traffic Sign Classification

• arxiv url: http://arxiv.org/abs/2606.30153v1
• Date: Mon, 29 Jun 2026 11:29:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:16.205548
• Title: The Spectrum Strikes Back: Infrared POV Attacks on Traffic Sign Classification
• Title（参考訳）: スペクトルが逆戻り: 交通信号の分類に関する赤外線POV攻撃
• Authors: Michael Kühr, Mevlüt Yildirim, Maximilian Luedecke, Mohammad Hamad, Sebastian Steinhorst,
• Abstract要約: 交通標識の分類は自動運転車にとって重要な課題である。 近赤外光スペクトルで機能するパーシステンス・オブ・ビジョンベースの攻撃を提案する。 動的でリモートトリガされたコンテンツを表示する可能性があり、これはトラフィックサインの分類に対するステルスな物理的敵攻撃を可能にする。
• 参考スコア（独自算出の注目度）: 2.0747783609522754
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traffic sign classification is a crucial task for autonomous vehicles, and numerous attacks against it have been identified. A majority of physical adversarial attacks involve attaching patches to traffic signs or projecting perturbations on them. While they demonstrate high effectiveness, they are perceptible to humans. At the same time, light-based attacks outside the human visible spectrum are known but have limitations in their dynamic adaptability. We propose a persistence-of-vision-based attack that operates in the near-infrared light spectrum. With the possibility of showing dynamic, remotely triggered content, this allows a stealthy physical adversarial attack against traffic sign classification. By identifying the optimal position through digital simulation, we conduct extensive real-world evaluations using two different traffic signs, 12 machine learning models from different families, multiple distances up to 20 meters, and varying illumination conditions. Our evaluation shows high attack success rates across our test scenarios. We propose near-infrared cutoff filters and a software-based detection mechanism as defenses, and tackle limitations of the near-infrared persistence of vision display by prototyping a human-visible RGB version of it.
• Abstract（参考訳）: 交通標識の分類は自動運転車にとって重要な課題であり、それに対する多くの攻撃が特定されている。 物理的な敵の攻撃の大半は、交通標識にパッチを付けることや、それらに混乱を投影することである。 彼らは高い効果を示すが、人間に知覚される。 同時に、人間の可視光スペクトル以外の光ベースの攻撃は知られているが、その動的適応性には限界がある。 近赤外光スペクトルで機能するパーシステンス・オブ・ビジョンベースの攻撃を提案する。 動的でリモートトリガされたコンテンツを表示する可能性があり、これはトラフィックサインの分類に対するステルスな物理的敵攻撃を可能にする。 ディジタルシミュレーションにより最適な位置を同定することにより、2つの異なる交通標識、異なる家族からの12の機械学習モデル、最大20メートルの複数の距離、様々な照明条件を用いて、広範囲な実世界評価を行う。 私たちの評価では、テストシナリオ全体で高い攻撃成功率を示しています。 近赤外カットオフフィルタとソフトウェアによる検出機構を防御として提案し、人間の視認可能なRGBバージョンをプロトタイピングすることで、視覚ディスプレイの近赤外持続性の限界に対処する。

関連論文リスト

• The Outline of Deception: Physical Adversarial Attacks on Traffic Signs Using Edge Patches [6.836569632189732]
  本研究は,交通標識分類のためのステルス対応逆パッチ方式TESP-Attackを提案する。 人間の視覚的注意は主に交通標識の中央領域に焦点を当てているという観察に基づいて, エッジアライメントマスクを生成するために, ケースセグメンテーションを採用している。 U-Netジェネレータは敵パッチの作成に利用され、色とテクスチャの制約によって最適化される。
  論文  参考訳（メタデータ） (2025-11-30T07:26:07Z)
• T2I-Based Physical-World Appearance Attack against Traffic Sign Recognition Systems in Autonomous Driving [40.067678927952336]
  交通信号認識(TSR)システムは、自律運転(AD)システムにおいて重要な役割を果たす。 最近の研究は、その脆弱性を物理世界の敵対的外見攻撃に暴露している。 我々は、新しいT2Iベースの外観攻撃フレームワークであるDiffSignを紹介する。
  論文  参考訳（メタデータ） (2025-11-17T04:29:55Z)
• Targeted Physical Evasion Attacks in the Near-Infrared Domain [44.41293301858757]
  我々は、標的と未目標の両方の赤外線摂動を発生させる、ステルスで費用対効果の高い攻撃を提案する。 透明なフィルムからターゲット対象物にオフザシェルの赤外線懐中電灯を投射することにより、我々のアプローチは、赤外線領域にレーザーフリーターゲット攻撃を確実に搭載する最初の方法である。
  論文  参考訳（メタデータ） (2025-09-02T07:37:10Z)
• Black-Box Adversarial Attack on Vision Language Models for Autonomous Driving [65.61999354218628]
  我々は、自律運転システムにおいて、視覚言語モデル(VLM)をターゲットとしたブラックボックス敵攻撃を設計する第一歩を踏み出す。 セマンティクスの生成と注入による低レベル推論の分解を目標とするカスケーディング・アディバーショナル・ディスラプション(CAD)を提案する。 本稿では,高レベルリスクシナリオの理解と構築に代理VLMを活用することで,動的適応に対処するリスクシーンインジェクションを提案する。
  論文  参考訳（メタデータ） (2025-01-23T11:10:02Z)
• Unified Adversarial Patch for Cross-modal Attacks in the Physical World [11.24237636482709]
  単一パッチにより同時に可視・近赤外物体検出装置を騙すための一元対向パッチを提案する。 可視・赤外線センサの異なるイメージング機構を考慮すると、我々の研究は対向パッチの形状をモデル化することに集中している。 その結果、我々の統一パッチは、それぞれ73.33%と69.17%のアタック成功率(ASR)を達成した。
  論文  参考訳（メタデータ） (2023-07-15T17:45:17Z)
• Shadows can be Dangerous: Stealthy and Effective Physical-world Adversarial Attack by Natural Phenomenon [79.33449311057088]
  我々は、非常に一般的な自然現象であるシャドーによって摂動が生じる新しい種類の光対角運動例について研究する。 我々は,シミュレーション環境と実環境の両方において,この新たな攻撃の有効性を広く評価した。
  論文  参考訳（メタデータ） (2022-03-08T02:40:18Z)
• Evaluating the Robustness of Semantic Segmentation for Autonomous Driving against Real-World Adversarial Patch Attacks [62.87459235819762]
  自動運転車のような現実のシナリオでは、現実の敵例(RWAE)にもっと注意を払わなければならない。 本稿では,デジタルおよび実世界の敵対パッチの効果を検証し,一般的なSSモデルのロバスト性を詳細に評価する。
  論文  参考訳（メタデータ） (2021-08-13T11:49:09Z)
• Exploring Adversarial Robustness of Multi-Sensor Perception Systems in Self Driving [87.3492357041748]
  本稿では,敵物体をホスト車両の上に配置することで,マルチセンサ検出の実用的感受性を示す。 実験の結果, 攻撃が成功した原因は主に画像の特徴が損なわれやすいことが判明した。 よりロバストなマルチモーダル知覚システムに向けて,特徴分断を伴う敵対的訓練が,このような攻撃に対するロバスト性を大幅に高めることを示す。
  論文  参考訳（メタデータ） (2021-01-17T21:15:34Z)

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。