Fugu-MT 論文翻訳(概要): Corrupting Attention: Evasion-Based Adversarial Attacks on Encoder Attention in Detection Transformers

論文の概要: Corrupting Attention: Evasion-Based Adversarial Attacks on Encoder Attention in Detection Transformers

arxiv url: http://arxiv.org/abs/2608.06674v1
Date: Fri, 07 Aug 2026 00:42:25 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-10 16:21:25.321596
Title: Corrupting Attention: Evasion-Based Adversarial Attacks on Encoder Attention in Detection Transformers
Title（参考訳）: Evasion-based Adversarial Attacks on Encoder Attention in Detection Transformers
Abstract要約: ニューラルネットワークの安全なデプロイにおいて、敵の脆弱性は依然として大きな関心事である。既存の攻撃のほとんどは、これらのモデルを区別するアテンションメカニズムよりも、検出出力をターゲットにしている。本稿では,エンコーダのアテンション目標を直接,非受容的かつ有界な$ell_infty$摂動で最適化する最初の攻撃を紹介する。
参考スコア（独自算出の注目度）: 35.58130964667448
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Adversarial vulnerabilities remain a major concern for the safe deployment of neural networks, particularly in object detection, a core task embedded in many safety-critical systems. Detection transformers have emerged as leading object detectors, yet their adversarial robustness remains comparatively underexplored. Most existing attacks target the detection output rather than the attention mechanism that makes these models distinctive. In this paper, we introduce the first attack that directly optimizes an encoder-attention objective under an imperceptible, bounded $\ell_\infty$ perturbation. Rather than introducing an attacker-owned sink token through a visible patch, it drives the model's own attention toward a corrupted target. We argue that encoder attention concentrates the model's spatial reasoning, so corrupting it propagates through the detection pipeline more disruptively than perturbing the detection output alone. Our attack reduces DETR-R50 mAP on COCO from 42.1 to 0.97, a $\sim 4\times$ reduction in resulting mAP over the strongest existing attack under an identical perturbation budget and iteration count. We further show that this vulnerability is not specific to a particular corruption objective: across four qualitatively distinct targets, dispersion, re-ranking, permutation, and peak-suppression, detection consistently drops below 3 mAP, suggesting that the weakness arises from disrupting the attention structure itself rather than from any single target. Finally, we demonstrate that the attack generalizes across attention formulations, reducing DINO-Swin-L from 56.8 to 1.44 mAP against 7.3 for the strongest prior attack, establishing state-of-the-art on both dense and deformable attention.
Abstract（参考訳）: 敵の脆弱性は、ニューラルネットワークの安全なデプロイ、特にオブジェクト検出において、多くの安全クリティカルシステムに埋め込まれたコアタスクにとって、依然として大きな懸念点である。検出変圧器は主対象検出器として登場したが、その逆方向の頑健性は比較的過小評価されている。既存の攻撃のほとんどは、これらのモデルを区別するアテンションメカニズムよりも、検出出力をターゲットにしている。本稿では,エンコーダ・アテンション目標を直接,許容不能で有界な$\ell_\infty$摂動の下で最適化する最初の攻撃を紹介する。可視パッチを通じて攻撃者が所有するシンクトークンを導入するのではなく、モデル自身の注意を破損したターゲットに向ける。エンコーダの注意はモデルの空間的推論に集中するので、検出出力のみを摂動させるよりも、検出パイプラインを介して伝播する。我々の攻撃はCOCO上のDETR-R50 mAPを42.1から0.97に減らし、同じ摂動予算と反復数で最強の攻撃に対して$\sim 4\times$mAPを減らした。さらに, この脆弱性は, 4つの定性的に異なる目標, 分散, 再ランク, 置換, ピーク抑圧において, 3 mAP以下で連続的に検出され, 単一目標からではなく, 注意構造自体を乱すことから生じることが示唆された。最後に,DINO-Swin-L を 56.8 から 1.44 mAP に減らし7.3 を最強の先行攻撃とした。

関連論文リスト

Backdoor Mitigation in Object Detection via Adversarial Fine-Tuning [10.393154496941527]
バックドア攻撃は、安全クリティカルな視覚システムに深刻な脅威をもたらす。適応微調整は、分類において一般的なバックドア緩和手法である。物体検出バックドアの軽減のための検出対応逆調整フレームワークを提案する。
論文参考訳（メタデータ） (2026-05-07T09:33:06Z)
Fight Poison with Poison: Enhancing Robustness in Few-shot Machine-Generated Text Detection with Adversarial Training [3.427574505782467]
提案するRAG-GuidEd攻撃器は、ストラストショット検出器(REACT)を駆動する。 REACTは、人間化指向のアタッカーとターゲット検出器を結合する。我々は、REACTが8つの最先端検出器に対して平均F1を4.95ポイント改善することを示す。
論文参考訳（メタデータ） (2026-05-04T09:16:57Z)
Budgeted Adversarial Attack against Graph-Based Anomaly Detection in Sensor Networks [1.2891210250935148]
グラフニューラルネットワーク(GNN)は、センサネットワークにおける異常検出の強力なモデルとして登場した。我々は、GNNベースの検出器を標的とした、新しいグレーボックス回避攻撃であるBETAを紹介する。 BETAは最先端のGNN検出器の検知精度を平均30.62から39.16%に下げることを示した。
論文参考訳（メタデータ） (2025-09-22T16:30:19Z)
Adversarial Attention Perturbations for Large Object Detection Transformers [6.845910470068847]
敵対的摂動は、ニューラルネットワークの脆弱性を露呈するための有用なツールである。本稿では,物体検出変換器に対するAFOG攻撃について述べる。
論文参考訳（メタデータ） (2025-08-05T01:31:10Z)
AnywhereDoor: Multi-Target Backdoor Attacks on Object Detection [9.539021752700823]
AnywhereDoorは、オブジェクト検出のためのマルチターゲットバックドアアタックである。敵は、すべてのオブジェクトクラスまたは特定のオブジェクトクラスをまたいで、オブジェクトを消したり、新しいオブジェクトを作ったり、ラベルを間違えたりすることができる。このような柔軟な制御のための既存の手法の適応と比較して、攻撃成功率を26%向上させる。
論文参考訳（メタデータ） (2025-03-09T09:24:24Z)
Towards Robust Semantic Segmentation against Patch-based Attack via Attention Refinement [68.31147013783387]
我々は,アテンション機構がパッチベースの敵攻撃に弱いことを観察した。本稿では,意味的セグメンテーションモデルの堅牢性を改善するために,ロバスト注意機構(RAM)を提案する。
論文参考訳（メタデータ） (2024-01-03T13:58:35Z)
Enhancing Infrared Small Target Detection Robustness with Bi-Level Adversarial Framework [61.34862133870934]
本稿では,異なる汚職の存在下での検出の堅牢性を促進するために,二段階の対向的枠組みを提案する。我々の手法は広範囲の汚職で21.96%のIOUを著しく改善し、特に一般ベンチマークで4.97%のIOUを推進している。
論文参考訳（メタデータ） (2023-09-03T06:35:07Z)
Threatening Patch Attacks on Object Detection in Optical Remote Sensing Images [55.09446477517365]
自然画像における物体検出における高度なパッチアタック(PA)は、ディープニューラルネットワークに基づく手法における大きな安全性の脆弱性を指摘した。我々は,TPAと呼ばれる視覚的品質の低下を伴わない,より危険度の高いPAを提案する。我々の知る限りでは、これがO-RSIにおけるオブジェクト検出におけるPAの研究の最初の試みであり、この研究が読者にこのトピックの研究に興味を持たせることを願っている。
論文参考訳（メタデータ） (2023-02-13T02:35:49Z)
Object-fabrication Targeted Attack for Object Detection [54.10697546734503]
物体検出の敵攻撃は標的攻撃と未標的攻撃を含む。新たなオブジェクトファブリケーションターゲット攻撃モードは、特定のターゲットラベルを持つ追加の偽オブジェクトをファブリケートする検出器を誤解させる可能性がある。
論文参考訳（メタデータ） (2022-12-13T08:42:39Z)
Adversarial Attack and Defense of YOLO Detectors in Autonomous Driving Scenarios [3.236217153362305]
本稿では,自律走行車における視覚的検出の客観性に着目した効果的な攻撃戦略を提案する。実験の結果、対象のアスペクトを標的とした攻撃は45.17%と43.50%が、分類や局所化の損失から生じた攻撃よりも効果的であることが示されている。提案手法は, KITTI と COCO_traffic でそれぞれ最大21% と 12% mAP の目標指向攻撃に対する検出器の堅牢性を向上させることができる。
論文参考訳（メタデータ） (2022-02-10T00:47:36Z)
Towards Adversarial Patch Analysis and Certified Defense against Crowd Counting [61.99564267735242]
安全クリティカルな監視システムの重要性から、群衆のカウントは多くの注目を集めています。近年の研究では、ディープニューラルネットワーク(DNN)の手法が敵の攻撃に弱いことが示されている。群衆カウントモデルのロバスト性を評価するために,Momentumを用いた攻撃戦略としてAdversarial Patch Attackを提案する。
論文参考訳（メタデータ） (2021-04-22T05:10:55Z)

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。