論文の概要: ColorFD: A Finite-Difference Guided Black-Box Physical Adversarial Attack for Remote Sensing Object Detection
- arxiv url: http://arxiv.org/abs/2608.04559v1
- Date: Wed, 05 Aug 2026 07:53:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 14:48:43.777851
- Title: ColorFD: A Finite-Difference Guided Black-Box Physical Adversarial Attack for Remote Sensing Object Detection
- Title（参考訳）: ColorFD:リモートセンシング対象検出のためのブラックボックス物理対向攻撃
- Authors: Tiannuo Guo, Guhang Qiu, Yuzhen Xie, Rui Feng, Ligang Li, Deliang Xiang,
- Abstract要約: 本論文では,複数の純色パッチに基づくブラックボックス物理攻撃であるColorFDを提案する。
目標適合度選択機構は、各目標の攻撃状態を評価し、進化中の目標固有の改善を保存する。
YOLOv3u、YOLOv5u、Faster R-CNNの実験は、ColorFDが試験されたブラックボックスパッチ法を全ての評価検出器で上回っていることを示している。
- 参考スコア（独自算出の注目度）: 11.507709418952414
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Although deep neural network-based remote sensing object detectors have achieved strong performance, they remain vulnerable to adversarial perturbations. Existing studies mainly focus on digital or white-box settings, whereas black-box physical attacks remain underexplored. These attacks are often constrained by limited physical feasibility and inefficient optimization in high-dimensional search spaces. To address these challenges, this paper proposes ColorFD, a black-box physical attack based on multiple pure-color patches. The patch positions and color parameters are jointly optimized using Differential Evolution (DE). A target-wise fitness and selection mechanism evaluates the attack state of each target and preserves target-specific improvements during evolution. Two guidance strategies further constrain the patch search space. Key-region localization identifies sensitive regions through finite-difference color probing. Common-feature extraction provides category-level spatial priors and avoids repeated localization. Although evaluated on aircraft, the formulation is not inherently restricted to this category. Experiments on YOLOv3u, YOLOv5u, and Faster R-CNN show that ColorFD outperforms the tested black-box patch method across all evaluated detectors and remains competitive with strong white-box baselines. Physical-world experiments further demonstrate that the optimized pure-color patches can be transferred from the digital domain to real imaging conditions.
- Abstract（参考訳）: ディープニューラルネットワークに基づくリモートセンシングオブジェクト検出器は高い性能を達成しているが、敵の摂動に弱いままである。
既存の研究は主にデジタルまたはホワイトボックスの設定に焦点を当てているが、ブラックボックスの物理的攻撃は未調査のままである。
これらの攻撃は、高次元探索空間における物理的実現可能性の制限と非効率な最適化によって制限されることが多い。
これらの課題に対処するために、複数の純色パッチに基づくブラックボックス物理攻撃であるColorFDを提案する。
パッチ位置と色パラメータは、差分進化(DE)を用いて共同最適化される。
目標適合度選択機構は、各目標の攻撃状態を評価し、進化中の目標固有の改善を保存する。
2つのガイダンス戦略は、パッチ検索空間をさらに制限する。
キー領域の局在化は、有限差分色探索を通して感度領域を特定する。
共通特徴抽出は、カテゴリーレベルの空間的事前情報を提供し、繰り返しの局所化を避ける。
航空機では評価されているが、この定式化は本質的にこのカテゴリーに限定されていない。
YOLOv3u、YOLOv5u、Faster R-CNNの実験は、ColorFDが試験されたブラックボックスパッチ法を全ての評価された検出器で上回り、強力なホワイトボックスベースラインと競合し続けることを示した。
物理世界の実験は、最適化された純色パッチがデジタルドメインから実際の撮像条件に転送できることをさらに示している。
関連論文リスト
- TIGA: Trajectory-Injected Generative Attack against Black-box AIGC Detectors [76.4118981404995]
Trajectory-Injected Generative Attack (TIGA) は、検出器回避画像を生成する、ソースフリーでトレーニング可能なフリーフレームワークである。
TIGAはDDIM(Laint Denoising Diffusion Implicit Model)の軌道を制御し、生成中に対向特性が出現するようにしている。
TIGAは、共通の後処理操作下で、強力なブラックボックス攻撃性能、転送性、高ロバスト性を実現する。
論文 参考訳（メタデータ） (2026-07-28T15:51:39Z) - Unleashing the Representational Power of Fourier Shapes for Attacking Infrared Object Detection [9.990665128755014]
学習可能なフーリエ形状を赤外線領域に導入する。
これにより、効率的な勾配に基づく最適化が実現され、人間の標的が検出を回避できる強力な形状が生成される。
我々の物理的パッチは堅牢性を実現し、様々な距離、角度、ポーズ、個人にわたって検知器を回避し、攻撃成功率88%を25m以上で達成した。
論文 参考訳（メタデータ） (2026-05-18T03:51:33Z) - Adversarial Patch Generation for Visual-Infrared Dense Prediction Tasks via Joint Position-Color Optimization [14.358458317718174]
視覚的赤外設定における逆パッチを生成するための共同位置色最適化フレームワーク(AP-PCO)を提案する。
我々は、赤外線グレースケール特性に応じてパッチの外観を制約するクロスモーダルカラー適応戦略を導入する。
視覚赤外高密度予測タスクの実験は、提案したAP-PCOが一貫して強力な攻撃性能を発揮することを示す。
論文 参考訳（メタデータ） (2026-02-27T19:26:17Z) - Hard-Label Black-Box Attacks on 3D Point Clouds [66.52447238776482]
そこで本研究では,新しいスペクトル認識決定境界アルゴリズムに基づく新しい3D攻撃手法を提案する。
実験により,攻撃性能と対向品質の点で,既存の白黒ボックス攻撃者よりも競合性が高いことが示された。
論文 参考訳（メタデータ） (2024-11-30T09:05:02Z) - Unified Adversarial Patch for Visible-Infrared Cross-modal Attacks in
the Physical World [11.24237636482709]
我々は,単一パッチを同時に両モードで回避し,クロスモーダルな物理的攻撃を行える統一逆襲パッチを設計する。
本稿では, 対向パッチのコンパクトかつ滑らかな形状を実現することを目的とした, 境界制限型形状最適化手法を提案する。
提案手法はいくつかの最先端物体検出器に対して評価され,アタック成功率 (ASR) は80%以上である。
論文 参考訳（メタデータ） (2023-07-27T08:14:22Z) - Unified Adversarial Patch for Cross-modal Attacks in the Physical World [11.24237636482709]
単一パッチにより同時に可視・近赤外物体検出装置を騙すための一元対向パッチを提案する。
可視・赤外線センサの異なるイメージング機構を考慮すると、我々の研究は対向パッチの形状をモデル化することに集中している。
その結果、我々の統一パッチは、それぞれ73.33%と69.17%のアタック成功率(ASR)を達成した。
論文 参考訳（メタデータ） (2023-07-15T17:45:17Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳（メタデータ） (2023-01-19T11:37:20Z) - Local Black-box Adversarial Attacks: A Query Efficient Approach [64.98246858117476]
アドリアックは、セキュリティに敏感なシナリオにおけるディープニューラルネットワークの適用を脅かしている。
ブラックボックス攻撃における限られたクエリ内でのみクリーンな例の識別領域を摂動させる新しいフレームワークを提案する。
攻撃成功率の高いブラックボックス摂動時のクエリ効率を大幅に改善できることを示すため,広範な実験を行った。
論文 参考訳（メタデータ） (2021-01-04T15:32:16Z) - Diversity can be Transferred: Output Diversification for White- and
Black-box Attacks [89.92353493977173]
アドリア攻撃は、例えば最適化ベースのホワイトボックス攻撃を初期化したり、ブラックボックス攻撃で更新方向を生成するために、均一あるいはガウス分布から引き出された入力のランダムな摂動を伴うことが多い。
本稿では,対象モデルの出力の多様性を最大化するための新しいサンプリング手法である出力分散サンプリング(ODS)を提案する。
ODSは、既存のホワイトボックス攻撃とブラックボックス攻撃のパフォーマンスを大幅に改善する。
特に、ODSはImageNetに対する最先端のブラックボックス攻撃に必要なクエリ数を2倍に削減する。
論文 参考訳（メタデータ） (2020-03-15T17:49:25Z) - Towards Query-Efficient Black-Box Adversary with Zeroth-Order Natural
Gradient Descent [92.4348499398224]
ブラックボックスの敵攻撃手法は、実用性や単純さから特に注目されている。
敵攻撃を設計するためのゼロ階自然勾配降下法(ZO-NGD)を提案する。
ZO-NGDは、最先端攻撃法と比較して、モデルクエリの複雑さが大幅に低い。
論文 参考訳（メタデータ） (2020-02-18T21:48:54Z)
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。