Fugu-MT 論文翻訳(概要): LipSSD: Lipschitz-Constrained Single-Shot Detection for Adversarially Robust Object Detection

論文の概要: LipSSD: Lipschitz-Constrained Single-Shot Detection for Adversarially Robust Object Detection

arxiv url: http://arxiv.org/abs/2607.06592v1
Date: Mon, 06 Jul 2026 08:33:28 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-09 22:50:30.143455
Title: LipSSD: Lipschitz-Constrained Single-Shot Detection for Adversarially Robust Object Detection
Title（参考訳）: LipSSD:lipschitz-Constrained Single-Shot Detection for Adversarially Robust Object Detection
Abstract要約: リプシッツ制約付きオブジェクト検出アーキテクチャを標準検出器の頑健な代替として導入する。リプシッツ制約検出器はクリーンな性能を保ちながらロバスト性を向上させることができることを示す。以上の結果から,リプシッツ制御は物体検出器のロバスト性を向上させるための実用的かつアタックに依存しない方向であることが示唆された。
参考スコア（独自算出の注目度）: 3.985194992181358
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Object detectors have many applications in safety-critical systems, but they are known to be sensitive to worst-case perturbations such as adversarial attacks, which limits their applicability in real-world scenarios. Compared with classification, adversarial robustness for object detection has received less attention, and existing methods are often tied to adversarial training, whose performance may not transfer across attacks, perturbation budgets, or architectures. In this work, we introduce Lipschitz-constrained variants of object detection architectures as robust-by-design alternatives to standard detectors. We validate this approach with LipSSD, a Lipschitz-constrained Single Shot MultiBox Detector (SSD), and provide a comprehensive study of its adversarial robustness using multiple white-box adversarial attacks and datasets. We first analyze the accuracyrobustness trade-off induced by Lipschitz constraints and show that it can be controlled through a single training hyperparameter. We then demonstrate that Lipschitzconstrained detectors are complementary to adversarial training: under the same training setup on the Pascal VOC dataset, adversarially trained LipSSD improves mAP@50 on unseen attacks by up to 15 points over classical adversarially trained SSD. Finally, we use more specific safety-critical datasets such as LARD and KITTI, and show that Lipschitz-constrained detectors can improve robustness while largely preserving clean performance. These results suggest that architectural Lipschitz control is a practical and attack-agnostic direction for improving the robustness of object detectors.
Abstract（参考訳）: オブジェクト検出器は安全クリティカルなシステムに多くの応用があるが、現実のシナリオにおける適用性を制限する敵攻撃のような最悪のケースの摂動に敏感であることが知られている。分類と比較すると、対象検出に対する敵対的堅牢性は注目されなくなり、既存の手法は攻撃、摂動予算、アーキテクチャをまたいで性能を伝達しない敵の訓練と結びついていることが多い。本稿では,標準検出器の頑健な代替品として,リプシッツ制約による物体検出アーキテクチャの変種を紹介する。この手法をLipschitz-Constrained Single Shot MultiBox Detector (SSD) を用いて検証し、複数のホワイトボックス対向攻撃とデータセットを用いて、その対向ロバスト性について包括的に研究する。我々はまず,リプシッツ制約によって引き起こされる高精度性トレードオフを解析し,単一のトレーニングハイパーパラメータによって制御可能であることを示す。次に,Plipschitzconstrained Detectorは,Pascal VOCデータセット上の同じトレーニング設定の下で,従来から訓練されたSSDを最大15ポイント上回る無敵攻撃において,LipSSDがmAP@50を改善することを実証した。最後に、LARDやKITTIのようなより具体的な安全クリティカルなデータセットを使用し、リプシッツに制約された検出器は、クリーンな性能を保ちながら堅牢性を向上させることができることを示す。これらの結果から,建築用リプシッツ制御は物体検出器のロバスト性を向上させるための実用的かつアタックに依存しない方向であることが示唆された。

関連論文リスト

ANTMAN: An Efficient and Interpretable RTL-Level Run-Time Detection Framework for Stealthy Branch Predictor Attacks on BOOM [1.6013674661312771]
マイクロアーキテクチャーサイドチャネル攻撃は、x86やARM ISAと比較してRISCVでは未発見のままである。本稿では, BOOM RISC-V に対するステルス分岐予測器攻撃に対する, 安全な設計, 高い解釈性, 非侵入性, RTL レベルのランタイム検出ソリューションを提案する。
論文参考訳（メタデータ） (2026-08-10T12:03:09Z)
Detector-Evasive LLM Paraphrasing via Constrained Policy Optimization [27.078441680572254]
AIテキスト検出器は、パラフレーズやディテクター誘導パラフレーズ攻撃に対して脆弱である。既存の検出器回避法は、しばしば意味保存の正確な制御を欠いている。本稿では,新しいGRPOスタイルのグループベースのポリシー更新を施した2次元強化学習アルゴリズムであるDe Detector Evasion Policy Optimization (DEPO)を提案する。
論文参考訳（メタデータ） (2026-05-29T22:19:28Z)
Active Bayesian Inference for Robust Control under Sensor False Data Injection Attacks [10.312968200748115]
本稿では,サイバー物理システムにおけるセンサ攻撃検出とリカバリのギャップを埋める枠組みを提案する。本稿では, 簡易な部分観測可能マルコフ決定プロセス(POMDP)によるしきい値に基づく探索手法を提案し, その有効性を示す。
論文参考訳（メタデータ） (2026-04-13T12:54:24Z)
Adversarial Learning Game for Intrusion Detection in Quantum Key Distribution [0.0]
本稿では,デコイ状態量子鍵分布(QKD)における侵入検出のための高忠実度シミュレーションフレームワークを提案する。このフレームワークは、学習ベースのディフェンダーと適応的な敵の間のミニマックスゲームとしてモデル化されている。アダプティブ・アタックのシナリオでは、システムは正直な有限キーレートの8,2text--92%$を保存し、トラフィックは約1.2%しか捨てない。
論文参考訳（メタデータ） (2026-03-03T20:21:06Z)
A Few Large Shifts: Layer-Inconsistency Based Minimal Overhead Adversarial Example Detection [13.109309606764754]
我々は、ターゲットモデル自体の内部の階層的不整合を利用するプラグイン検出フレームワークを導入する。本手法は計算オーバーヘッドを無視して最先端検出性能を実現する。
論文参考訳（メタデータ） (2025-05-19T00:48:53Z)
CANTXSec: A Deterministic Intrusion Detection and Prevention System for CAN Bus Monitoring ECU Activations [53.036288487863786]
物理ECUアクティベーションに基づく最初の決定論的侵入検知・防止システムであるCANTXSecを提案する。 CANバスの古典的な攻撃を検知・防止し、文献では調査されていない高度な攻撃を検知する。物理テストベッド上での解法の有効性を実証し,攻撃の両クラスにおいて100%検出精度を達成し,100%のFIAを防止した。
論文参考訳（メタデータ） (2025-05-14T13:37:07Z)
Latent-space adversarial training with post-aware calibration for defending large language models against jailbreak attacks [23.793583584784685]
大規模言語モデル(LLM)は、システム脆弱性を利用して安全対策を回避し、有害または不適切な出力を誘発するジェイルブレイク攻撃の影響を受ける。 LATPC(Latent-space Adrial Training with Post-aware framework)を紹介する。 LATPCは有害な入力と良性入力を対比することにより安全性に重要な潜伏次元を同定し、ターゲットの拒絶特徴除去攻撃を適応的に構築する。
論文参考訳（メタデータ） (2025-01-18T02:57:12Z)
Efficient Adversarial Training in LLMs with Continuous Attacks [99.5882845458567]
大規模言語モデル(LLM)は、安全ガードレールをバイパスできる敵攻撃に対して脆弱である。本稿では,2つの損失からなる高速対向訓練アルゴリズム(C-AdvUL)を提案する。 C-AdvIPOは、対向的に堅牢なアライメントのためのユーティリティデータを必要としない、対向型のIPOである。
論文参考訳（メタデータ） (2024-05-24T14:20:09Z)
Training Certifiably Robust Neural Networks with Efficient Local Lipschitz Bounds [99.23098204458336]
認証された堅牢性は、安全クリティカルなアプリケーションにおいて、ディープニューラルネットワークにとって望ましい性質である。提案手法は,MNISTおよびTinyNetデータセットにおける最先端の手法より一貫して優れていることを示す。
論文参考訳（メタデータ） (2021-11-02T06:44:10Z)
Adversarially Robust One-class Novelty Detection [83.1570537254877]
既存のノベルティ検出器は敵の例に感受性があることが示される。本稿では, 新規性検知器の潜伏空間を制御し, 敵に対する堅牢性を向上する防衛戦略を提案する。
論文参考訳（メタデータ） (2021-08-25T10:41:29Z)
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)
Learning Control Barrier Functions from Expert Demonstrations [69.23675822701357]
制御障壁関数(CBF)に基づく安全な制御器合成のための学習に基づくアプローチを提案する。最適化に基づくCBFの学習手法を解析し、基礎となる力学系のリプシッツ仮定の下で証明可能な安全保証を享受する。私たちの知る限りでは、これらはデータから確実に安全な制御障壁関数を学習する最初の結果です。
論文参考訳（メタデータ） (2020-04-07T12:29:06Z)

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。