論文の概要: VLAGuard: A Framework for Evaluating and Mitigating Physical Attention Hijacking in Vision-Language-Action Robots within Wireless Sensor Networks

• arxiv url: http://arxiv.org/abs/2608.01028v1
• Date: Sun, 02 Aug 2026 06:06:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.06688
• Title: VLAGuard: A Framework for Evaluating and Mitigating Physical Attention Hijacking in Vision-Language-Action Robots within Wireless Sensor Networks
• Title（参考訳）: VLAGuard: 無線センサネットワーク内における視覚言語行動ロボットの身体的注意ハイジャックの評価と緩和のためのフレームワーク
• Authors: Dongfu Yin, Jinquan Zhang,
• Abstract要約: 我々は、政策クリティカルなアクション・ツー・ビジョンのハイジャックという重大な脆弱性を評価し、軽減するためのフレームワークを提案する。 本研究では,時間的注意を安定させ,推定オーバーヘッドをゼロにする幾何整合性を実現する防衛法であるAttentionProtective Fine-Tuning (APFT)を提案する。
• 参考スコア（独自算出の注目度）: 1.9680580983094325
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deploying Vision-Language-Action (VLA) robots as mobile edge nodes within wireless sensor networks (WSNs) requires robust protection against physical adversarial threats. We present VLAGuard, a framework to assess and mitigate a critical vulnerability: policy-critical action-to-vision attention hijacking. We first introduce a stress-test module, Visuomotor Attention-guided Semantic Attack (VASA), using printable patches to severely distract the robot's action-conditioned cross-attention. To counter this, we propose Attention-Protective Fine-Tuning (APFT), a defense that stabilizes spatiotemporal attention and enforces geometric consistency with zero inference overhead. Evaluations across simulated and physical WSN-assisted smart environments demonstrate significant robustness gains. APFT reduces the OpenVLA failure rate from 100.0% to 25.9% in LIBERO simulations. Furthermore, across 2,000 real-world trials, APFT improves the average success rate from 23.0% to 67.4% under severe patch attacks. This highlights that protecting attention pathways is important for improving the robustness of VLA-driven edge nodes in sensor networks.
• Abstract（参考訳）: 無線センサネットワーク(WSN)内の移動エッジノードとしてVLA(Vision-Language-Action)ロボットを配置するには、物理的な敵の脅威に対して堅牢な保護が必要である。 VLAGuardは、ポリシークリティカルなアクション・ツー・ビジョンのハイジャックという重大な脆弱性を評価し、軽減するためのフレームワークです。 本稿では,まず,ロボットの動作条件のクロスアテンションを著しく乱すためにプリント可能なパッチを用いて,ストレステストモジュールVisuomotor Attention-guided Semantic Attack (VASA)を導入する。 これに対応するために,時空間の注意を安定させ,推定オーバーヘッドゼロで幾何的整合性を実現する防衛法であるAttention-Protective Fine-Tuning (APFT)を提案する。 シミュレーションおよび物理的WSN支援スマート環境における評価は、顕著な堅牢性向上を示す。 APFT は OpenVLA の故障率を LIBERO シミュレーションで 100.0% から 25.9% に削減する。 さらに、2000の現実世界での試験において、APFTは深刻なパッチ攻撃により平均成功率を23.0%から67.4%に改善している。 このことは、センサネットワークにおけるVLA駆動エッジノードの堅牢性を改善するために、注意経路を保護することが重要であることを強調している。

関連論文リスト

• DAIRE: A lightweight AI model for real-time detection of Controller Area Network attacks in the Internet of Vehicles [0.0]
  DAIRE(Detecting Attacks in IoV in REal-time)は、リアルタイム検出とCAN攻撃の分類を目的とした機械学習フレームワークである。 DAIREは1サンプルあたり0.03ミリ秒の分類時間で、推論速度において最先端のアプローチよりも著しく優れている。 これらの結果は、車載システムにおけるIoVサイバー攻撃の検出におけるDAIREの有効性と、リアルタイムな展開に適した実用性を強調した。
  論文  参考訳（メタデータ） (2026-04-22T16:58:58Z)
• Uncovering Linguistic Fragility in Vision-Language-Action Models via Diversity-Aware Red Teaming [64.48633529149579]
  本稿では,VLA(Vision-Language-Action)モデルの言語的変異に対する脆弱性を明らかにするための新しいフレームワークを提案する。 本手法は, ストレス試験用VLAエージェントへのスケーラブルなアプローチを示すため, 平均作業成功率を93.33%から5.85%に下げる。
  論文  参考訳（メタデータ） (2026-04-07T08:43:36Z)
• Evaluating False Alarm and Missing Attacks in CAN IDS [0.7734726150561088]
  ROADデータセットを用いて,CAN IDSの体系的対角評価を行う。 4つの浅い学習モデルとディープニューラルネットワークベースの検出器を比較した。 以上の結果から,敵の操作が誤報と回避検出を同時に引き起こすことが示唆された。
  論文  参考訳（メタデータ） (2026-02-02T20:38:01Z)
• A Practical Honeypot-Based Threat Intelligence Framework for Cyber Defence in the Cloud [0.3714118205123091]
  ファイアウォールルールを動的にリアルタイムで更新する自動防御フレームワークを導入します。 このフレームワークは、騙しセンサ(Cowrie)、Azureネイティブ自動化ツール(Monitor、Sentinel、Logic Apps)、MITRE ATT&CK対応の検出を統合する。
  論文  参考訳（メタデータ） (2025-12-04T23:39:25Z)
• Phantom Menace: Exploring and Enhancing the Robustness of VLA Models against Physical Sensor Attacks [17.07905934998345]
  VLA(Vision-Language-Action)モデルは、エンドツーエンドの知覚対アクションパイプラインを可能にすることで、ロボットシステムに革命をもたらす。 これらのパイプラインは、カメラによって処理された視覚信号やマイクによってキャプチャされた聴覚信号など、複数の感覚的モダリティを統合している。 VLAベースのシステムがセンサー入力に大きく依存していることを考えると、物理世界のセンサー攻撃に対するVLAモデルのセキュリティはいまだに過小評価されている。
  論文  参考訳（メタデータ） (2025-11-13T06:24:28Z)
• When UAV Swarm Meets IRS: Collaborative Secure Communications in Low-altitude Wireless Networks [68.45202147860537]
  低高度無線ネットワーク (LAWN) は、多様なアプリケーションに対して、拡張されたカバレッジ、信頼性、スループットを提供する。 これらのネットワークは、既知のおよび潜在的に未知の盗聴者の両方から重大なセキュリティ上の脆弱性に直面している。 本稿では,Swarm内で選択されたUAVを仮想アンテナアレイとして機能させる,LAWNのための新しいセキュア通信フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-25T02:02:14Z)
• Evaluating the Robustness of Adversarial Defenses in Malware Detection Systems [2.209921757303168]
  本研究では, 連続摂動を二元的特徴空間に変換し, 高い攻撃成功と低摂動サイズを保ちながら, 連続摂動を2元的特徴空間に変換する手法を提案する。 第2に、最小限の機能変化で攻撃目標を達成するために設計された、バイナリドメインに対する新しい逆法を提案する。 Malscanデータセットの実験によると、Sigma-binaryは既存の攻撃より優れており、最先端の防御において重要な脆弱性を露呈している。
  論文  参考訳（メタデータ） (2025-05-14T12:38:43Z)
• Exploring the Adversarial Vulnerabilities of Vision-Language-Action Models in Robotics [68.36528819227641]
  本稿では,ビジョン・ランゲージ・アクション(VLA)モデルのロバスト性を体系的に評価する。 本研究では,ロボット行動の不安定化に空間的基盤を活用する2つの未目標攻撃目標と,ロボット軌道を操作する目標攻撃目標を導入する。 我々は、カメラの視野に小さなカラフルなパッチを配置し、デジタルと物理の両方の環境で効果的に攻撃を実行する逆パッチ生成アプローチを設計する。
  論文  参考訳（メタデータ） (2024-11-18T01:52:20Z)
• FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
  FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。 本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。 本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
  論文  参考訳（メタデータ） (2024-03-26T08:51:23Z)

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。