論文の概要: Securing Contrastive mmWave-based Human Activity Recognition against Adversarial Label Flipping

• arxiv url: http://arxiv.org/abs/2608.04029v1
• Date: Sat, 01 Aug 2026 14:10:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.356365
• Title: Securing Contrastive mmWave-based Human Activity Recognition against Adversarial Label Flipping
• Title（参考訳）: 逆行性ラベルフリップに対する造影mmWaveに基づく人間活動認識の安全性
• Abstract要約: ミリ波(mmWave)技術は、無線HAR(Human Activity Recognition)システムの機能を大幅に強化した。 本報告では,mmWaveをベースとしたHARのフリップ中毒攻撃に対する脆弱性に関する最初の系統的研究について述べる。 攻撃や対策は、他の無線HARシステムにも容易に拡張できる。
• 参考スコア（独自算出の注目度）: 8.598267608119794
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Wireless Human Activity Recognition (HAR), leveraging their non-intrusive nature, has the potential to revolutionize various sectors, including healthcare, virtual reality, and surveillance. The advent of millimeter wave (mmWave) technology has significantly enhanced the capabilities of wireless HAR systems. This paper presents the first systematic study on the vulnerabilities of mmWave-based HAR to label flipping poisoning attacks in the context of supervised contrastive learning. We identify three label poisoning attacks on the contrastive mmWave-based HAR and propose corresponding countermeasures. The efficacy of the attacks and also our countermeasures are experimentally validated on a prototype system. The attacks and countermeasures can be easily extended to other wireless HAR systems, thereby promoting security considerations in system design and deployment.
• Abstract（参考訳）: ワイヤレスヒューマンアクティビティ認識(HAR)は、その非侵襲性を活用し、医療、仮想現実、監視など様々な分野に革命をもたらす可能性がある。 ミリ波(mmWave)技術の出現により、無線HARシステムの能力は大幅に向上した。 本論文は, 教師付きコントラスト学習の文脈において, mmWave ベースの HAR によるフリップ中毒攻撃のラベル付けに対する脆弱性について, 初めて系統的研究を行ったものである。 対照的なmmWaveベースのHARに対する3つのラベル中毒攻撃を同定し,それに対応する対策を提案する。 試作システムにおいて,攻撃の有効性と対策を実験的に検証した。 攻撃や対策は、他の無線HARシステムにも容易に拡張できるため、システム設計や配備におけるセキュリティ上の配慮が促進される。

関連論文リスト

• AmbSentry: Mitigating Sensing Eavesdropping in ISAC Systems by Harnessing Ambient IoT Devices [60.083979780396014]
  6Gネットワークの重要なパラダイムとして、ISAC(Integrated Sensistance and Communication)が登場している。 本稿では,盗聴者に対する検知情報の漏洩を防止するISACシステムであるAmbSentryを提案する。
  論文  参考訳（メタデータ） (2026-08-12T08:42:05Z)
• Preliminary Investigation into Uncertainty-Aware Attack Stage Classification [81.28215542218724]
  この研究は、不確実性の下での攻撃段階推論の問題に対処する。 Evidential Deep Learning (EDL) に基づく分類手法を提案し、ディリクレ分布のパラメータを可能な段階に出力することで予測の不確実性をモデル化する。 シミュレーション環境における予備実験により,提案モデルが精度良く攻撃の段階を推定できることが実証された。
  論文  参考訳（メタデータ） (2025-08-01T06:58:00Z)
• An Approach to Technical AGI Safety and Security [72.83728459135101]
  我々は、人類を著しく傷つけるのに十分な害のリスクに対処するアプローチを開発する。 私たちは、誤用や悪用に対する技術的なアプローチに重点を置いています。 これらの成分を組み合わせてAGIシステムの安全性を実現する方法について概説する。
  論文  参考訳（メタデータ） (2025-04-02T15:59:31Z)
• A Survey of Wireless Sensing Security from a Role-Based View: Victim, Weapon, and Shield [19.611803729399092]
  本稿では,ワイヤレスセンシングのセキュリティに関する,ロールベースの視点からの初の総合的な調査について述べる。 本稿では,既存の研究を,攻撃の犠牲者としての無線システム,攻撃の武器としての無線信号,セキュリティアプリケーションのためのシールドとしての無線信号の3つのクラスに体系的に分類する新しい分類フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-04T06:34:36Z)
• Defense against Joint Poison and Evasion Attacks: A Case Study of DERMS [2.632261166782093]
  IDSの第1の枠組みは, ジョイント中毒や回避攻撃に対して堅牢である。 IEEE-13バスフィードモデルにおける本手法のロバスト性を検証する。
  論文  参考訳（メタデータ） (2024-05-05T16:24:30Z)
• Label Flipping Data Poisoning Attack Against Wearable Human Activity Recognition System [0.5284812806199193]
  本稿では,HAR(Human Activity Recognition)システムに対するラベルフリップデータ中毒攻撃の設計について述べる。 検知環境におけるノイズと不確実性のため、このような攻撃は認識システムに深刻な脅威をもたらす。 本稿では,スマートフォンによるセンサデータ収集アプリケーションを通じて,この攻撃を実際に行う方法について,光を当てる。
  論文  参考訳（メタデータ） (2022-08-17T17:52:13Z)
• Downlink Power Allocation in Massive MIMO via Deep Learning: Adversarial Attacks and Training [62.77129284830945]
  本稿では,無線環境における回帰問題を考察し,敵攻撃がDLベースのアプローチを損なう可能性があることを示す。 また,攻撃に対するDLベースの無線システムの堅牢性が著しく向上することを示す。
  論文  参考訳（メタデータ） (2022-06-14T04:55:11Z)
• RobustSense: Defending Adversarial Attack for Secure Device-Free Human Activity Recognition [37.387265457439476]
  我々は、共通の敵攻撃を防御する新しい学習フレームワーク、RobustSenseを提案する。 本手法は,無線による人間行動認識と人物識別システムに有効である。
  論文  参考訳（メタデータ） (2022-04-04T15:06:03Z)
• Invisible for both Camera and LiDAR: Security of Multi-Sensor Fusion based Perception in Autonomous Driving Under Physical-World Attacks [62.923992740383966]
  本稿では,MDFに基づくADシステムにおけるセキュリティ問題の最初の研究について述べる。 物理的に実現可能な逆3Dプリントオブジェクトを生成し、ADシステムが検出に失敗してクラッシュする。 以上の結果から,攻撃は様々なオブジェクトタイプおよびMSFに対して90%以上の成功率を達成した。
  論文  参考訳（メタデータ） (2021-06-17T05:11:07Z)
• Towards robust sensing for Autonomous Vehicles: An adversarial perspective [82.83630604517249]
  結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。 敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。 より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
  論文  参考訳（メタデータ） (2020-07-14T05:25:15Z)
• Securing of Unmanned Aerial Systems (UAS) against security threats using human immune system [1.2691047660244335]
  人体免疫システム(HIS)を用いた安全対策のための侵入検知システム(IDS)が提案されている。 IDSはターゲットシステムに侵入する試みを検知し、応答するために使用される。
  論文  参考訳（メタデータ） (2020-03-01T19:05:16Z)
• Adversarial vs behavioural-based defensive AI with joint, continual and active learning: automated evaluation of robustness to deception, poisoning and concept drift [62.997667081978825]
  人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。 本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
  論文  参考訳（メタデータ） (2020-01-13T13:54:36Z)

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。