論文の概要: Banshee: Target Switch Attacks on Gimbal-Stabilized Visual Tracking Systems via Acoustic Injection

• arxiv url: http://arxiv.org/abs/2607.09930v1
• Date: Fri, 10 Jul 2026 19:26:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.248064
• Title: Banshee: Target Switch Attacks on Gimbal-Stabilized Visual Tracking Systems via Acoustic Injection
• Title（参考訳）: バンシー:アコースティック・インジェクションによるジンバル安定化視覚トラッキングシステムにおけるターゲットスイッチ攻撃
• Abstract要約: 本稿では,UAV視覚トラッキングシステムにおけるターゲット切替を誘導する,物理的に実現可能な最初の攻撃であるBansheeを紹介する。 オンボードトラッカーは、元のターゲットから高い確率で攻撃対象に切り替え、たまに目標損失を発生させる。 この結果から,ジンバルシステムやアプリケーションの堅牢な設計の必要性が浮き彫りになった。
• 参考スコア（独自算出の注目度）: 14.623680680768762
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Gimbal-stabilized visual tracking is critical for modern autonomous systems such as Unmanned Aerial Vehicles (UAVs). While prior work shows acoustic signals can disturb gimbal internals, the impact of such attacks on real-world applications like UAV tracking and following remains underexplored. Existing demonstrations largely overlook practical challenges for real-world attacks, such as object-motion uncertainty and runtime latency. To bridge this gap, we present Banshee, the first physically realizable attack that induces target switching in UAV visual tracking systems by exploiting acoustic vulnerabilities in gimbal-camera systems. Banshee generates carefully crafted acoustic waveforms that induce optimized adversarial gimbal oscillations, causing directionally biased camera-view drifts that break inter-frame target associations. Consequently, the onboard tracker is driven to switch from the original target to an attacker-selected object with high probability, with occasional target loss. Banshee achieves a 93.6% success rate in simulation across two commercial gimbal systems and five trackers. Real-world benchtop and in-flight black-box attacks against a commercial drone across varied scenarios show an overall 95.5% attack success rate. Our results reveal a practical cross-domain vulnerability between acoustics and vision, highlighting the need for robust designs of gimbal systems and applications. Our code is available at: https://github.com/U1ltra/Banshee.
• Abstract（参考訳）: ジンバル安定化された視覚追跡は、無人航空機(UAV)のような近代的な自律システムにとって重要である。 以前の研究は、アコースティック信号がジンバル内部を妨害する可能性があることを示しているが、UAV追跡などの現実世界のアプリケーションに対する攻撃の影響は未調査のままである。 既存のデモでは、オブジェクト移動の不確実性や実行時のレイテンシといった、現実世界の攻撃に対する実践的な課題を概ね見落としている。 このギャップを埋めるために、我々は、ジンバルカメラシステムにおける音響的脆弱性を利用して、UAV視覚追跡システムにおけるターゲット切替を誘導する最初の物理的実現可能な攻撃であるBansheeを提案する。 Bansheeは、反対側のジンバル振動を最適化し、フレーム間の関係を壊す方向偏差のあるカメラビュードリフトを発生させる、慎重に作られた音響波形を生成する。 これにより、オンボードトラッカーは、元の目標から高い確率で攻撃対象に切り替え、たまに目標損失を発生させる。 バンシーは2つの商業ジンバルシステムと5つのトラッカーのシミュレーションで93.6%の成功率を達成した。 現実のベンチトップと飛行中のブラックボックス攻撃は、様々なシナリオにわたる商用ドローンに対する攻撃であり、全体の95.5%の成功率を示している。 この結果から,ジンバルシステムやアプリケーションの堅牢な設計の必要性が浮き彫りになった。 私たちのコードは、https://github.com/U1ltra/Banshee.comで利用可能です。

関連論文リスト

• JitTrack: Onboard Multi-Object Tracking Against Viewpoint Jitter for Agile UAVs [0.5371337604556311]
  JitTrackは、ドローンのためのアクティブなマルチオブジェクトトラッキングフレームワークである。 ドローンのダイナミックスとカメラのエゴモーションに対応している。 セマンティックリファインメントを導入し、新興ターゲットの検出を改善する。 また、ターゲットのミスアライメントを補うために、モーションアウェアなクエリの修正も導入している。
  論文  参考訳（メタデータ） (2026-08-11T05:00:31Z)
• ALLUDE: A Unified Evaluation System for Configurable Attacks in Differentiable Environments [57.11645440673911]
  物体検出器のような視覚モデルに対するアドリアック攻撃は、しばしば限られた条件下で評価され、その性能は過小評価される。 ALLUDEはLinuxとWindowsにまたがって第一種評価機能を提供する。
  論文  参考訳（メタデータ） (2026-07-19T05:02:58Z)
• Generative AI for Safe and Photorealistic Drone Light Shows [51.71264054256171]
  ドローンのライトショーは、空のエンターテイメントを再定義しているが、その普及は労働集約的な手動アニメーションによって妨げられている。 SWANは、テキストプロンプトから直接、フォトリアリスティック、大規模、衝突のないドローン振付を直接合成するエンドツーエンドパイプラインである。 シミュレーションされた2000基のドローンを安全に編成し,49基のクアッドコプターを密集した実世界の群れ上での物理的実現可能性を検証することにより,スケーラビリティを実証する。
  論文  参考訳（メタデータ） (2026-06-24T06:34:44Z)
• Instance-level Visual Active Tracking with Occlusion-Aware Planning [61.982298426203165]
  Visual Active Tracking (VAT)は、カメラを3D空間でターゲットに追従することを目的としている。 VATは、視覚的に類似したイントラクタからの混乱と、閉塞下での深刻な障害という、現実世界のデプロイメントにおいて2つの重要なボトルネックに直面している。 3つの相補的なモジュールを持つ統一パイプラインであるOA-VATを提案する。
  論文  参考訳（メタデータ） (2026-04-23T09:11:50Z)
• AD$^2$: Analysis and Detection of Adversarial Threats in Visual Perception for End-to-End Autonomous Driving Systems [7.505610942484861]
  本研究では,CARLAにおけるブラックボックスの敵対的脅威モデルの下で,最先端の自律走行エージェントの閉ループ評価を行う。 視覚知覚パイプラインにおける3つの代表的な攻撃ベクトルについて考察する: (i) 音波によって誘発される物理ベースのぼかし攻撃、 (ii) 捉えた画像を歪ませる電磁干渉攻撃、 (iii) ゴーストオブジェクトを画像上に慎重に構築した有界摂動として付加するデジタル攻撃。 TransfuserとInterfuserという2つの高度なエージェントの実験では、そのような攻撃に対する深刻な脆弱性が明らかとなり、運転スコアは最大99%低下した。
  論文  参考訳（メタデータ） (2026-02-10T05:13:37Z)
• FlyTrap: Physical Distance-Pulling Attack Towards Camera-based Autonomous Target Tracking Systems [25.870424901890292]
  距離追従攻撃(DPA)という新たな攻撃法を提案する。 FlyTrapは、敵傘をデプロイ可能でドメイン固有の攻撃ベクトルとして利用する、新しい物理世界の攻撃フレームワークである。 我々の評価には、新しいデータセット、メトリクス、現実世界のホワイトボックスやDJIやHoverAirを含む商用ATTドローンのクローズドループ実験が含まれています。
  論文  参考訳（メタデータ） (2025-09-24T17:59:54Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• Multiple Object Tracking in Video SAR: A Benchmark and Tracking Baseline [6.467005601813546]
  マルチオブジェクトトラッキングにはビデオ合成開口レーダ(Video SAR)が使用される。 標的運動によって誘発されるドップラーシフトは、容易に影と間違えられる人工物をもたらす。 この分野での大きな制限は、標準化されたアルゴリズム評価のための公開ベンチマークデータセットの欠如である。
  論文  参考訳（メタデータ） (2025-06-13T06:12:25Z)
• Open-World Drone Active Tracking with Goal-Centered Rewards [62.21394499788672]
  Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。 DATは,世界初となるエア・ツー・グラウンド・トラッキング・ベンチマークである。 また,複雑なシナリオにおけるドローン追跡目標の性能向上を目的としたGC-VATを提案する。
  論文  参考訳（メタデータ） (2024-12-01T09:37:46Z)
• Temporally-Transferable Perturbations: Efficient, One-Shot Adversarial Attacks for Online Visual Object Trackers [81.90113217334424]
  本研究では, オブジェクトテンプレート画像からのみ, 一時移動可能な対人的摂動を生成するフレームワークを提案する。 この摂動はあらゆる検索画像に追加され、事実上何のコストもかからないが、それでもトラッカーを騙すのに成功している。
  論文  参考訳（メタデータ） (2020-12-30T15:05:53Z)

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。