論文の概要: LLM-Guided Program Evolution for Targeted Black-Box Attacks on Perceptual Hash Algorithms

• arxiv url: http://arxiv.org/abs/2607.11472v1
• Date: Mon, 13 Jul 2026 12:25:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 17:47:21.463158
• Title: LLM-Guided Program Evolution for Targeted Black-Box Attacks on Perceptual Hash Algorithms
• Title（参考訳）: LLM-Guided Program Evolution for Targeted Black-Box Attacks on Perceptual Hash Algorithms
• Abstract要約: 本稿では,GigaEvoとOpenEvolveをベースとした新たな進化的フレームワークを提案する。 ImageNetイメージペア間の4つのデプロイされたPHA(pHash,PDQ,PhotoDNA,NeuralHash)の実験により、我々のアプローチが既存のブラックボックスベースラインと同等あるいは優れたASRを達成することが示された。 勾配に基づく手法とは異なり、我々のフレームワークはPHAアーキテクチャの内部知識を必要としない。
• 参考スコア（独自算出の注目度）: 1.5930557121567526
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Perceptual hash algorithms (PHAs) are widely deployed to detect image forgery under benign transformations, yet their robustness against adversarially chosen perturbations remains poorly understood and rarely comes with provable guarantees. We propose a novel evolutionary framework based on GigaEvo and OpenEvolve for targeted second-image attacks on perceptual hash algorithms. We assess attack performance using a composite score that jointly accounts for the fraction of adversarial images whose normalized Hamming distance to the target hash falls below threshold p (Attack Success Rate), the number of queries issued to the hash function, and the L2 distortion relative to the original image. Experiments on four deployed PHAs (pHash, PDQ, PhotoDNA, NeuralHash) across 30 ImageNet image pairs demonstrate that our evolutionary approach achieves comparable or better ASR than existing black-box baselines using substantially fewer queries to the hash function, while simultaneously producing adversarial images with lower L2 distortion relative to the originals. The best evolved programs reduce the pre-defined composite attack score relative to the best optimized seed by 41.2% for NeuralHash, 38.3% for PDQ, 34.0% for pHash, and 8.1% for PhotoDNA. Unlike gradient-based methods, our framework requires no internal knowledge of PHA architectures and naturally handles the non-differentiable, discretized nature of hash outputs. These results reveal previously unreported vulnerabilities in widely deployed content-moderation pipelines and motivate the development of provably robust perceptual hashing 1schemes.
• Abstract（参考訳）: 知覚ハッシュアルゴリズム(PHA)は、良性変換の下で画像偽造を検出するために広く利用されているが、敵対的に選択された摂動に対する頑健さはよく理解されておらず、証明可能な保証が得られない。 本稿では,GigaEvoとOpenEvolveをベースとした新たな進化的フレームワークを提案する。 対象ハッシュに対する正規化ハミング距離がしきい値 p (Attack Success Rate) 以下である敵画像の分数と、ハッシュ関数に発行されるクエリ数と、元の画像に対するL2歪みを併用して、攻撃性能を評価する。 画像ペア間の4つの配置されたPHA(pHash,PDQ,PhotoDNA,NeuralHash)の実験により、我々の進化的アプローチは、既存のブラックボックスベースラインに比べて、ハッシュ関数に対するクエリをかなり少なくし、元の値に対してL2歪みの低い逆画像を生成する。 最良の進化プログラムは、最も最適化されたシードに対する事前定義された複合攻撃スコアを、NeuralHashでは41.2%、PDQでは38.3%、pHashでは34.0%、PhotoDNAでは8.1%削減する。 勾配に基づく手法とは異なり、我々のフレームワークはPHAアーキテクチャの内部知識を必要としない。 これらの結果は、広くデプロイされたコンテンツモデレーションパイプラインの未報告の脆弱性を明らかにし、証明可能な堅牢な知覚ハッシュ1スキームの開発を動機付けている。

関連論文リスト

• Collision-Resistant Single-Pass Method for Unsupervised Fine-Grained Image Hashing [1.2289361708127875]
  教師なしのきめ細かい画像ハッシュは、微妙な視覚的差異を保持するコンパクトなバイナリコードを学ぶことを目的としている。 既存のほとんどの手法は衝突抵抗を無視し、意味的に異なるサンプルに対して同一のハッシュコードをもたらす。 衝突抵抗型シングルパス自己監督セマンティックハッシュを提案する。
  論文  参考訳（メタデータ） (2026-05-18T12:16:33Z)
• Robustness of Practical Perceptual Hashing Algorithms to Hash-Evasion and Hash-Inversion Attacks [1.9186789478340778]
  本稿では、広く利用されている3つのPHA(PhotoDNA、PDQ、NeuralHash)のハッシュ回避およびハッシュ反転攻撃に対する安全性を評価する。 これらの異なる結果について説明し、本質的なロバスト性は、PHAのランダムなハッシュ変動特性に部分的に起因していることを強調する。
  論文  参考訳（メタデータ） (2024-06-03T01:04:50Z)
• Bit-mask Robust Contrastive Knowledge Distillation for Unsupervised Semantic Hashing [71.47723696190184]
  セマンティックハッシュのための革新的なBit-mask Robust Contrastive Knowledge Distillation (BRCD)法を提案する。 BRCDはセマンティックハッシュモデルの蒸留のために特別に考案されている。
  論文  参考訳（メタデータ） (2024-03-10T03:33:59Z)
• A Lower Bound of Hash Codes' Performance [122.88252443695492]
  本稿では,ハッシュ符号間のクラス間の差分性とクラス内圧縮性が,ハッシュ符号の性能の低い境界を決定することを証明する。 次に、ハッシュコードの後部を推定し、それを制御することにより、上記の目的を完全に活用する代理モデルを提案し、低バイアス最適化を実現する。 一連のハッシュモデルをテストすることで、平均精度が最大で26.5%、精度が最大で20.5%向上した。
  論文  参考訳（メタデータ） (2022-10-12T03:30:56Z)
• Weighted Contrastive Hashing [11.14153532458873]
  教師なしハッシュ開発は、世界限定の画像表現に基づくデータ類似性マイニングの不足によって妨げられている。 本稿では,欠落した画像構造によって引き起こされるネットワーク特徴における情報非対称性の問題を軽減するために,新たな相互注意モジュールを提案する。 深い画像関係を反映した集約重み付き類似性を蒸留し、蒸留損失を伴うハッシュコード学習を容易にする。
  論文  参考訳（メタデータ） (2022-09-28T13:47:33Z)
• Self-Distilled Hashing for Deep Image Retrieval [25.645550298697938]
  ハッシュベースの画像検索システムでは、元の入力から変換された入力は通常、異なるコードを生成する。 本稿では,拡張データの可能性を活用しつつ,相違を最小限に抑えるために,自己蒸留ハッシュ方式を提案する。 また、ハッシュプロキシに基づく類似性学習や、バイナリクロスエントロピーに基づく量子化損失を導入し、高品質なハッシュコードを提供する。
  論文  参考訳（メタデータ） (2021-12-16T12:01:50Z)
• Adversarial collision attacks on image hashing functions [9.391375268580806]
  画像を修正して無関係なハッシュを生成することができ、極小摂動によって正確なハッシュ衝突を発生させることができることを示す。 白いボックス設定では、これらの衝突は、ほぼすべてのイメージペアとハッシュタイプに複製できる。 勾配に基づく画像ハッシュ攻撃に対する潜在的な軽減策をいくつか提案する。
  論文  参考訳（メタデータ） (2020-11-18T18:59:02Z)
• Deep Momentum Uncertainty Hashing [65.27971340060687]
  我々は,新しいDeep Momentum Uncertainity Hashing (DMUH)を提案する。 トレーニング中の不確実性を明示的に推定し、不確実性情報を利用して近似過程を導出する。 提案手法は,すべてのデータセット上で最高の性能を達成し,既存の最先端手法を大きなマージンで超越する。
  論文  参考訳（メタデータ） (2020-09-17T01:57:45Z)
• Pairwise Supervised Hashing with Bernoulli Variational Auto-Encoder and Self-Control Gradient Estimator [62.26981903551382]
  バイナリ潜在変数を持つ変分自動エンコーダ(VAE)は、文書検索の精度の観点から最先端のパフォーマンスを提供する。 本稿では、クラス内類似度とクラス間類似度に報いるために、個別潜伏型VAEを用いたペアワイズ損失関数を提案する。 この新しいセマンティックハッシュフレームワークは、最先端技術よりも優れたパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2020-05-21T06:11:33Z)
• Reinforcing Short-Length Hashing [61.75883795807109]
  既存の手法は、非常に短いハッシュコードを用いた検索性能が劣っている。 本研究では, 短寿命ハッシュ(RSLH)を改良する新しい手法を提案する。 本稿では,ハッシュ表現とセマンティックラベルの相互再構成を行い,セマンティック情報を保存する。 3つの大規模画像ベンチマークの実験は、様々な短いハッシュシナリオ下でのRSLHの優れた性能を示す。
  論文  参考訳（メタデータ） (2020-04-24T02:23:52Z)
• Targeted Attack for Deep Hashing based Retrieval [57.582221494035856]
  本研究では, ディープ・ハッシュ・ターゲット・アタック (DHTA) と呼ばれる新たな手法を提案し, 対象とする攻撃を探索する。 まず、対象の攻撃を点対セットの最適化として定式化し、敵のサンプルのハッシュコードと対象のラベルを持つ対象の集合の平均距離を最小化する。 性能と知覚性のバランスをとるために,摂動に対する$ellinfty$制限の下で,逆例のハッシュコードとアンカーコードとのハミング距離を最小化することを提案する。
  論文  参考訳（メタデータ） (2020-04-15T08:36:58Z)

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。