論文の概要: ALLUDE: A Unified Evaluation System for Configurable Attacks in Differentiable Environments

• arxiv url: http://arxiv.org/abs/2607.17077v1
• Date: Sun, 19 Jul 2026 05:02:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.351356
• Title: ALLUDE: A Unified Evaluation System for Configurable Attacks in Differentiable Environments
• Title（参考訳）: ALLUDE: 異なる環境における構成可能な攻撃に対する統一評価システム
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 57.11645440673911
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Adversarial attacks against vision models like object detectors are often evaluated under limited conditions, leaving their performance under-characterized. Bridging simulation and differentiable rendering enables more robust, end-to-end evaluation of these adversarial attacks, yet there is no easy-to-use, unified system that offers a rich set of customizable configurations for adversarial attacks across multiple scenes, objects, environmental and lighting conditions, and camera trajectories. We present ALLUDE, which addresses these gaps, offering first-of-its-kind evaluation capabilities across Linux and Windows. We comprehensively demonstrate ALLUDE's evaluation breadth through a two-pronged strategy: (1) using Latin Hypercube Sampling, we draw a representative subset from 5,400 configurations spanning 10 scene-object pairs, 9 weather conditions, 4 optimizers, 5 camera trajectories, and 3 detection models; (2) we stress-test existing attacks (CAMOU, RAUCA, FCA) under diverse weather conditions and continuous camera trajectories, revealing degradation of attack success across every attack, exposing evaluation gaps in prior work. Through ALLUDE's end-to-end differentiable rendering, adversarial attacks can be optimized against shifting real-world deployment conditions. Our cross-platform code is open source.
• Abstract（参考訳）: 物体検出器のような視覚モデルに対する敵対的な攻撃は、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。 ブリッジングシミュレーションと差別化可能なレンダリングにより、これらの敵攻撃をより堅牢かつエンドツーエンドに評価することができるが、複数のシーン、オブジェクト、環境および照明条件、およびカメラトラジェクトリにまたがる敵攻撃のための豊富なカスタマイズ可能な構成を提供する、使いやすく統一されたシステムはない。 我々はこれらのギャップに対処するALLUDEを提案し、LinuxとWindowsで第一種評価機能を提供する。 1)ラテンハイパーキューブサンプリングを用いて,10のシーンオブジェクト対,9の気象条件,4のオプティマイザ,5のカメラトラジェクトリ,3の検知モデルにまたがる5,400の構成からなる代表的サブセットを描画し,異なる天候条件下での既存の攻撃(CAMOU,RAUCA,FCA)をストレステストし,各攻撃における攻撃成功の劣化を明らかにした。 ALLUDEのエンドツーエンドの差別化レンダリングを通じて、現実のデプロイメント条件のシフトに対して敵攻撃を最適化することができる。 クロスプラットフォームコードはオープンソースです。

関連論文リスト

• AttackVLA: Benchmarking Adversarial and Backdoor Attacks on Vision-Language-Action Models [60.39655329875822]
  VLA(Vision-Language-Action)モデルは、ロボットが自然言語の命令を解釈し、多様なタスクを実行することを可能にするモデルである。 このようなモデルを攻撃することへの関心は高まっているが、既存の手法の有効性は依然として不明である。 我々はVLA開発ライフサイクルに合わせて統合されたフレームワークであるAttackVLAを提案する。
  論文  参考訳（メタデータ） (2025-11-15T10:30:46Z)
• Seeing Isn't Believing: Context-Aware Adversarial Patch Synthesis via Conditional GAN [2.02409171087469]
  完全制御可能な敵パッチ生成のための新しいフレームワークを提案する。 攻撃者は、入力画像xとターゲットクラスyターゲットの両方を自由に選択でき、したがって正確な誤分類結果を決定する。 提案手法は,生成的U-Net設計とGrad-CAM誘導パッチ配置を組み合わせることで,セマンティック・アウェア・ローカライゼーションを実現する。
  論文  参考訳（メタデータ） (2025-09-26T18:39:21Z)
• Universal Camouflage Attack on Vision-Language Models for Autonomous Driving [67.34987318443761]
  自動運転のためのビジュアル言語モデリングが、有望な研究方向として浮上している。 VLM-ADは、敵の攻撃による深刻なセキュリティ脅威に弱いままである。 VLM-ADのための最初のユニバーサルカモフラージュ攻撃フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-24T14:52:01Z)
• Pixel-Optimization-Free Patch Attack on Stereo Depth Estimation [37.97727884936262]
  画素最適化攻撃を4つのステレオマッチングステージに拡張する統合フレームワークを構築した。 我々は,最初のピクセル最適化フリー攻撃であるPatchHunterを提案する。 KITTIでは、PatchHunterは、有効性とブラックボックス転送性の両方においてピクセルレベルの攻撃より優れている。
  論文  参考訳（メタデータ） (2025-06-21T08:23:02Z)
• AttackBench: Evaluating Gradient-based Attacks for Adversarial Examples [26.37278338032268]
  アドリシャルな例は、通常、勾配ベースの攻撃に最適化される。 それぞれ異なる実験装置を用いて前任者を上回る性能を発揮する。 これは過度に最適化され、偏見のある評価を提供する。
  論文  参考訳（メタデータ） (2024-04-30T11:19:05Z)
• To Make Yourself Invisible with Adversarial Semantic Contours [47.755808439588094]
  逆セマンティック・コンター(英: Adversarial Semantic Contour、ASC)は、物体の輪郭の前に騙されたスパース・アタックのベイズ的定式化の見積もりである。 ASCは、異なるアーキテクチャを持つ9つの近代検出器の予測を損なう可能性があることを示す。 我々は、様々なアーキテクチャを持つ物体検出器の共通弱点である輪郭について注意を払って結論付けた。
  論文  参考訳（メタデータ） (2023-03-01T07:22:39Z)
• GLOW: Global Layout Aware Attacks for Object Detection [27.46902978168904]
  敵攻撃は、予測器が誤った結果を出力するような摂動画像を狙う。 本稿では,グローバルなレイアウト認識型敵攻撃を発生させることにより,様々な攻撃要求に対処するアプローチを提案する。 実験では,複数種類の攻撃要求を設計し,MS検証セット上でのアイデアの検証を行う。
  論文  参考訳（メタデータ） (2023-02-27T22:01:34Z)
• CARBEN: Composite Adversarial Robustness Benchmark [70.05004034081377]
  本稿では,複合対向攻撃 (CAA) が画像に与える影響を実証する。 異なるモデルのリアルタイム推論を提供し、攻撃レベルのパラメータの設定を容易にする。 CAAに対する敵対的堅牢性を評価するためのリーダーボードも導入されている。
  論文  参考訳（メタデータ） (2022-07-16T01:08:44Z)
• Zero-Query Transfer Attacks on Context-Aware Object Detectors [95.18656036716972]
  敵は、ディープニューラルネットワークが誤った分類結果を生成するような摂動画像を攻撃する。 自然の多目的シーンに対する敵対的攻撃を防御するための有望なアプローチは、文脈整合性チェックを課すことである。 本稿では,コンテキスト整合性チェックを回避可能な,コンテキスト整合性攻撃を生成するための最初のアプローチを提案する。
  論文  参考訳（メタデータ） (2022-03-29T04:33:06Z)

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。