論文の概要: Fast Object Removal Attacks on Safety-Critical Video-based Perception Systems

• arxiv url: http://arxiv.org/abs/2608.02806v1
• Date: Mon, 03 Aug 2026 19:03:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-05 15:30:22.922845
• Title: Fast Object Removal Attacks on Safety-Critical Video-based Perception Systems
• Title（参考訳）: 安全批判型映像認識システムにおける高速物体除去攻撃
• Abstract要約: 本稿では,ビデオベース安全クリティカルシステムに対する準リアルタイム対象物除去攻撃のための新しい攻撃モデルとエンドツーエンドフレームワークを提案する。 サウスカロライナ・コネクテッド・ビークル・テストベッド(英語版)の交差点での実験では、再建されたフレームはオリジナルと大域的に類似していることが示されている。 YOLOベースの検出器を用いて、攻撃はオブジェクト検出を最大97.59%削減し、フレームレベルの攻撃成功率は94.48%に達する。
• 参考スコア（独自算出の注目度）: 10.77921487555435
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: By leveraging data from video-based perception systems, intelligent transportation systems (ITS) support safety-critical applications that improve road safety. However, adversaries may manipulate video frames to compromise downstream perception modules, causing failures in safety-critical functions and increasing risks to vulnerable road users. This paper presents a novel attack model and an end-to-end framework for near-real-time targeted object removal attack on a video-based safety-critical system. The end-to-end attack pipeline consists of four stages: localizing targets in each frame, retrieving coherent patches from earlier frames, blending them using context-aware alpha compositing, and reconstructing attacked frames. Experiments at an intersection on the South Carolina Connected Vehicle Testbed (SC-CVT) show that reconstructed frames have high global similarity to the originals, with frame-level Peak Signal to Noise Ratio (PSNR) above 40 dB and Structural Similarity Index Measure (SSIM) above 0.996. Using the YOLO-based detector, the attack reduces object detections by up to 97.59% and achieves a frame-level attack success rate of 94.48%. Across the evaluated detectors and frame resolutions, the mean execution time ranges from 0.074 to 0.172 seconds per frame on GPU hardware, indicating near-real-time performance in testing. The forensic evaluation using several pretrained tamper-detection models shows limited ability to distinguish reconstructed from authentic frames. The findings suggest that video-based perception is vulnerable to stealthy object removal attacks that can degrade the performance of safety-critical applications by reducing object detectability. These findings can help develop mitigation strategies against adversarial object removal attacks that threaten safety-critical applications, such as vision-based pedestrian safety systems.
• Abstract（参考訳）: 映像に基づく認識システムからのデータを活用することにより、インテリジェントトランスポートシステム(ITS)は、道路安全を改善する安全クリティカルなアプリケーションをサポートする。 しかし、敵はビデオフレームを操作して下流の知覚モジュールを妥協させ、安全クリティカルな機能に障害を生じさせ、脆弱な道路利用者のリスクを増大させる。 本稿では,ビデオベース安全クリティカルシステムに対する準リアルタイム対象物除去攻撃のための新しい攻撃モデルとエンドツーエンドフレームワークを提案する。 エンド・ツー・エンドのアタック・パイプラインは4つのステージで構成されている: 各フレームにターゲットをローカライズし、以前のフレームからコヒーレントなパッチを取得し、コンテキスト対応のアルファ合成を使用してそれらをブレンドし、攻撃されたフレームを再構築する。 サウスカロライナ・コネクテッド・ビークル・テストベッド(SC-CVT)の交差点での実験では、再建されたフレームはオリジナルのものと非常によく似ており、フレームレベルのピーク・シグナル・トゥ・ノイズ比(PSNR)は40dB以上、構造的類似度指数(SSIM)は0.996以上である。 YOLOベースの検出器を用いて、攻撃はオブジェクト検出を最大97.59%削減し、フレームレベルの攻撃成功率は94.48%に達する。 評価された検出器とフレーム解像度全体で、平均実行時間はGPUハードウェア上での1フレームあたり0.074秒から0.172秒の範囲であり、テストにおけるほぼリアルタイムのパフォーマンスを示している。 いくつかの事前訓練されたタンパー検出モデルを用いた法医学的評価は、実際のフレームから再構成されたものを識別する能力に制限があることを示している。 その結果,映像に基づく知覚は,物体検出性を低下させることで,安全クリティカルなアプリケーションの性能を低下させることができるステルス物体除去攻撃に対して脆弱であることが示唆された。 これらの知見は、視覚に基づく歩行者安全システムなどの安全上重要な応用を脅かす敵対的物体除去攻撃に対する緩和戦略の開発に役立つ。

関連論文リスト

• Do Input-Level Defenses Transfer to Observation-Level Attacks on VideoLLMs? [20.483915081902087]
  Video Large Language Models (VideoLLMs) は、コンテンツモデレーションやビデオ分析など、安全上重要なアプリケーションにますますデプロイされている。 近年の観測レベルの攻撃はこのパイプラインを利用して、モデルが有害な内容を認識するのを防ぐ。 制御された評価フレームワークであるDefTEvalを導入し、インプットレベルの敵防衛が観測レベルの攻撃を軽減できるかどうかを評価する。
  論文  参考訳（メタデータ） (2026-09-08T06:59:19Z)
• 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)
• In-Vehicle Digital Twin-Based Collision Warning Framework with Sybil Attack Detection [2.4244694855867266]
  本研究では,Sybil攻撃検出機能を備えた車載デジタルツイン(DT)を用いた衝突警告フレームワークを提案する。 このフレームワークは、シビル製の偽車の検出において、それぞれ0.984、1.00、0.944の精度、リコール、F1スコアを達成した。
  論文  参考訳（メタデータ） (2026-06-26T21:56:42Z)
• VPA-Guard: Defending and Benchmarking Image-to-Video Generation Against Visual Prompt Attacks [27.060981309996492]
  本稿では,視覚中心のプロンプト攻撃下での映像生成の安全性を評価するための最初の体系的ベンチマークを示す。 本稿では,VPA-Guardを提案する。
  論文  参考訳（メタデータ） (2026-06-24T09:00:08Z)
• VigilFormer: Deformable Attention for Video Anomaly Detection with Causal Risk Inference [2.538209532048867]
  本稿では,ビデオ監視映像の異常を検出するために,変形可能な注意と因果時間モデルを組み合わせた統合フレームワークを提案する。 VigilFormer, ShanghaiTech, CUHK Avenueのフレームワークを1つのGPU上で41.5 FPSで評価した。
  論文  参考訳（メタデータ） (2026-05-31T14:27:57Z)
• From Stealthy Data Fabrication to Unsafe Driving: Realistic Scenario Attacks on Collaborative Perception [7.889284710970368]
  協調的な知覚により、コネクテッドカーや自動運転車は知覚データを共有することで知覚を改善することができる。 以前の研究は、アタッカーが共有データを作成してオブジェクトを偽造または削除できることを示しているが、現実の運転におけるそのような攻撃の実用性はまだ不明である。 本稿では,エンド・ツー・エンドのシステム効果を通じて,安全でない運転行動を引き起こす,ステルスで現実的なデータ生成攻撃を提案する。
  論文  参考訳（メタデータ） (2026-05-02T07:21:22Z)
• ReasAlign: Reasoning Enhanced Safety Alignment against Prompt Injection Attack [52.17935054046577]
  本稿では、間接的インジェクション攻撃に対する安全性アライメントを改善するためのモデルレベルのソリューションであるReasAlignを提案する。 ReasAlignには、ユーザクエリの分析、競合する命令の検出、ユーザの意図したタスクの継続性を維持するための構造化された推論ステップが組み込まれている。
  論文  参考訳（メタデータ） (2026-01-15T08:23:38Z)
• 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)
• Video-SafetyBench: A Benchmark for Safety Evaluation of Video LVLMs [45.265397990158846]
  Video-SafetyBenchは、ビデオテキスト攻撃下でのLVLMの安全性を評価するために設計された最初のベンチマークである。 ビデオテキストのペアは2,264で、48のきめ細かいアンセーフなカテゴリにまたがっている。 安全性評価のためのセマンティックなビデオを生成するために,ビデオ意味論を主題画像とモーションテキストに分解する制御可能なパイプラインを設計する。
  論文  参考訳（メタデータ） (2025-05-17T05:06:38Z)
• V-CAS: A Realtime Vehicle Anti Collision System Using Vision Transformer on Multi-Camera Streams [0.0]
  本稿では,リアルタイム衝突回避システム(V-CAS)を提案する。 V-CASは適応ブレーキによるリアルタイム衝突リスク評価と能動的緩和を可能にする。 その結果,従来の単カメラ法と比較して物体検出と追跡の大幅な改善,衝突回避の強化が示唆された。
  論文  参考訳（メタデータ） (2024-11-04T10:39:15Z)
• Inter-frame Accelerate Attack against Video Interpolation Models [73.28751441626754]
  我々は,対戦型攻撃をVIFモデルに適用し,対戦型モデルに対して非常に脆弱であることを示す。 本稿では,フレーム間加速攻撃(IAA)と呼ばれる新しい攻撃手法を提案する。 本手法は従来の手法と同等の攻撃性能を達成しつつ,攻撃効率を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2023-05-11T03:08:48Z)
• 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)
• Robust Unsupervised Video Anomaly Detection by Multi-Path Frame Prediction [61.17654438176999]
  本稿では,フレーム予測と適切な設計による新規で頑健な非教師付きビデオ異常検出手法を提案する。 提案手法は,CUHK Avenueデータセット上で88.3%のフレームレベルAUROCスコアを得る。
  論文  参考訳（メタデータ） (2020-11-05T11:34:12Z)

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。