論文の概要: SignDeepSC: A Semantic Signature-based Approach for Robust Semantic Communication

• arxiv url: http://arxiv.org/abs/2607.25676v1
• Date: Tue, 28 Jul 2026 12:54:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.841865
• Title: SignDeepSC: A Semantic Signature-based Approach for Robust Semantic Communication
• Title（参考訳）: SignDeepSC:ロバストなセマンティックコミュニケーションのためのセマンティック署名に基づくアプローチ
• Abstract要約: SignDeepSCは、トレーニング中に対向的なサンプル生成を必要とせずに、対向的な堅牢性を達成するアーキテクチャ防衛である。 システムは、受信者インスパイアされたセマンティックシグネチャの上に構築され、ソース特徴のコンパクトなベクトル概要が別々の低レート補助チャネルで送信される。
• 参考スコア（独自算出の注目度）: 4.042562775811428
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semantic communication systems such as deep semantic communication (DeepSC) offer high efficiency but are vulnerable to adversarial attacks on their underlying neural networks. We address a physical-layer man-in-the-middle (MitM) threat in which an adversary injects perturbations into the transmitted signal to distort its meaning. We propose SignDeepSC, an architectural defense that achieves adversarial robustness without requiring explicit adversarial example generation during training. The approach is built on a perceiver-inspired semantic signature, a compact vector summary of the source features transmitted over a separate low-rate auxiliary channel. This signature is used by a self-repairing decoder that leverages cross-attention to correct distortions and can additionally drive a scrambler that shuffles the feature layout. We evaluate SignDeepSC over Rayleigh fading and additive white Gaussian noise channels under both single-step fast gradient sign method (FGSM) and iterative projected gradient descent (PGD) attacks. Under PGD ($ε= 0.7$), at 12~dB signal-to-noise ratio with Rayleigh fading, SignDeepSC achieves a bilingual evaluation understudy (BLEU-4) score of 0.237 and bidirectional encoder representations from transformers (BERT) sentence similarity of 0.646, outperforming all baselines without degrading clean-channel performance, when the signature channel is well protected.
• Abstract（参考訳）: ディープセマンティック通信(DeepSC)のようなセマンティック通信システムは高い効率を提供するが、その基盤となるニューラルネットワークに対する敵攻撃には弱い。 物理層マン・イン・ザ・ミドル(MitM)の脅威に対処し、敵が送信信号に摂動を注入し、その意味を歪ませる。 本稿では,学習中に明示的な対角的サンプル生成を必要とせずに,対角的ロバスト性を実現するアーキテクチャディフェンスであるSignDeepSCを提案する。 この手法は、異なる低レート補助チャネルを介して送信されるソース特徴のコンパクトなベクトル要約である知覚者インスパイアされたセマンティックシグネチャに基づいて構築される。 このシグネチャは、クロスアテンションを利用して歪みを補正し、特徴レイアウトをシャッフルするスクランブラを駆動する自己修復デコーダによって使用される。 単一ステップ高速勾配符号法 (FGSM) と反復射影勾配降下法 (PGD) の併用により, レイリーフェディングおよび付加的な白色ガウス雑音チャネルに対するSignDeepSCの評価を行った。 PGD (ε= 0.7$) では、レイリー・フェイディングと 12~dB の信号-雑音比において、SignDeepSC は 0.237 のバイリンガル評価アンダーストディ(BLEU-4) スコアと変換器(BERT) の文類似性による双方向エンコーダ表現を達成し、署名チャネルが十分に保護されているとき、クリーンチャネル性能を低下させることなく全てのベースラインを上回る。

関連論文リスト

• AEGIS: Attention-Embedding Gradient Isolation Shield - Triple-Channel Gradient Masking for Privacy-Preserving Federated LLM Fine-Tuning [13.743991513761273]
  グラディエント・インバージョン・アタックは、フェデレート学習で共有される勾配からプライベートトレーニングテキストを復元する。 AEGISは3つの分析チャネル全てを3つの後方経路操作で閉じる軽量防衛システムである。 トークン回復率は、幅広い勾配反転攻撃に対してほぼゼロに減少する。
  論文  参考訳（メタデータ） (2026-08-20T01:12:56Z)
• Beyond Waveform Robustness: Robust Feature-Vocoder Adversarial Attacks on Automatic Speech Recognition [9.839293944956006]
  既存の敵対的攻撃は、直接音声に敵対的ノイズを付加する。 クリーン・レファレンス・フィーチャー・ヴォコーダ・アタックは、敵の探索空間を原波形から自己教師付き学習表現へ移動させる。 実験により,Whisper-smallのみを公共代理モデルとして最適化した場合,攻撃はブラックボックスASRモデルに効果的に伝達されることが示された。
  論文  参考訳（メタデータ） (2026-06-04T04:00:48Z)
• SecDiff: Diffusion-Aided Secure Deep Joint Source-Channel Coding Against Adversarial Attacks [73.41290017870097]
  SecDiffは、プラグイン・アンド・プレイの拡散支援デコーディングフレームワークである。 対向無線環境下での深部JSCCの安全性と堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2025-11-03T11:24:06Z)
• Semantic Channel Equalization Strategies for Deep Joint Source-Channel Coding [8.967618587731694]
  ディープジョイント・ソース・チャネル・コーディング(DeepJSCC)は、エンドツーエンドのセマンティック・コミュニケーションの強力なパラダイムとして登場した。 既存のDeepJSCCスキームは送信機(TX)と受信機(RX)で共有潜在空間を仮定する。 このミスマッチは、"セマンティックノイズ"を導入し、再構築品質を劣化させ、下流タスクのパフォーマンスを低下させる。
  論文  参考訳（メタデータ） (2025-10-06T10:29:07Z)
• Federated Spatiotemporal Graph Learning for Passive Attack Detection in Smart Grids [2.721477719641864]
  本稿では,時間的ウィンドウ上で物理層と行動指標を融合させて受動的攻撃を検出するグラフ中心型マルチモーダル検出器を提案する。 テスト精度は98.32%、シーケンス毎の93.35%を0.15% FPRで達成している。
  論文  参考訳（メタデータ） (2025-09-29T08:52:30Z)
• SRD: Reinforcement-Learned Semantic Perturbation for Backdoor Defense in VLMs [57.880467106470775]
  攻撃者は、トレーニングデータに知覚不能な摂動を注入することができ、モデルが悪意のある攻撃的制御されたキャプションを生成する。 本稿では,引き金の事前知識を伴わずにバックドア動作を緩和する強化学習フレームワークであるセマンティック・リワード・ディフェンス(SRD)を提案する。 SRDはDeep Q-Networkを使用して、機密画像領域に個別の摂動を適用するためのポリシーを学習し、悪意ある経路の活性化を妨害することを目的としている。
  論文  参考訳（メタデータ） (2025-06-05T08:22:24Z)
• Secure Semantic Communication via Paired Adversarial Residual Networks [59.468221305630784]
  本稿では,セキュリティを意識したセマンティック通信システムに対する敵攻撃の正の側面について検討する。 セマンティックトランスミッターの後に、セマンティックレシーバーの前に、一対のプラグイン可能なモジュールがインストールされる。 提案手法は,高品質なセマンティック通信を維持しつつ,盗聴者を騙すことができる。
  論文  参考訳（メタデータ） (2024-07-02T08:32:20Z)
• Vulnerabilities of Deep Learning-Driven Semantic Communications to Backdoor (Trojan) Attacks [70.51799606279883]
  本稿では,バックドア(トロイジャン)攻撃に対するディープラーニングによるセマンティックコミュニケーションの脆弱性を明らかにする。 バックドア攻撃は、有毒な入力サンプルに転送された意味情報を標的の意味に効果的に変更することができる。 バックドア攻撃の有無で情報伝達の意味を保存するための設計ガイドラインが提示される。
  論文  参考訳（メタデータ） (2022-12-21T17:22:27Z)
• Is Semantic Communications Secure? A Tale of Multi-Domain Adversarial Attacks [70.51799606279883]
  セマンティック・コミュニケーションのためのディープ・ニューラル・ネットワーク(DNN)に対するテスト・タイム・アタックを導入する。 再建損失が低い場合でも,伝達情報のセマンティクスを変更可能であることを示す。
  論文  参考訳（メタデータ） (2022-12-20T17:13:22Z)
• Class-Conditional Defense GAN Against End-to-End Speech Attacks [82.21746840893658]
  本稿では,DeepSpeech や Lingvo といった先進的な音声テキストシステムを騙すために開発された,エンドツーエンドの敵対攻撃に対する新しいアプローチを提案する。 従来の防御手法とは異なり、提案手法は入力信号のオートエンコードのような低レベル変換を直接利用しない。 我々の防衛GANは、単語誤り率と文レベルの認識精度において、従来の防衛アルゴリズムよりもかなり優れています。
  論文  参考訳（メタデータ） (2020-10-22T00:02:02Z)

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。