論文の概要: CIVA: Critic-Induced Value-Subspace Attacks on Visual World-Model Agents

• arxiv url: http://arxiv.org/abs/2608.21114v2
• Date: Tue, 25 Aug 2026 05:49:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:33.879711
• Title: CIVA: Critic-Induced Value-Subspace Attacks on Visual World-Model Agents
• Title（参考訳）: CIVA: ビジュアルワールドモデルエージェントに対する批判的価値サブスペース攻撃
• Abstract要約: 我々は、視覚的世界モデルエージェントに対するホワイトボックス、因果、オンライン攻撃について研究する。 批判的価値空間攻撃(textbfCIVA)を提案する。 私たちのキーとなる観察は、ロールアウトとともに、批評家が指導する摂動は、被害者自身の批判によって引き起こされる低次元の部分空間に集中しているということです。
• 参考スコア（独自算出の注目度）: 62.2849052468001
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Visual world-model agents such as DreamerV3 act through a recurrent latent state rather than a single observation, which weakens frame-wise observation attacks and makes their perturbations vary sharply over time under a strict per-frame perturbation constraint. We study white-box, causal, online attacks on such agents and propose Critic-Induced Value-Subspace Attacks (\textbf{CIVA}). Our key observation is that, along a rollout, critic-guided perturbations concentrate in a low-dimensional subspace induced by the victim's own critic. Based on this observation, CIVA first probes the frozen victim offline with critic-guided PGD and extracts a low-rank value-subspace by SVD. At test time, it optimizes only the subspace coefficients, smooths them with an exponential moving average (EMA), and maps them back to pixels. This design attacks value-sensitive recurrent dynamics while keeping the online optimization cheap and temporally coherent. Extensive experiments on DMC walker walk, Atari Pong, and Crafter show that CIVA consistently outperforms five recent methods; on DMC walker walk, it achieves the largest reward drop of 26.07\% while keeping temporal variation low, with TempAbs of 0.646.
• Abstract（参考訳）: ドリーマーV3のような視覚的世界モデルエージェントは、単一の観測ではなく、反復的な潜伏状態を通して行動し、フレーム単位の観測攻撃を弱め、フレーム単位の摂動制約の下で時間とともにその摂動を急激に変化させる。 我々は、これらのエージェントに対するホワイトボックス、因果、オンライン攻撃を研究し、批判誘発価値サブスペース攻撃(\textbf{CIVA})を提案する。 私たちのキーとなる観察は、ロールアウトとともに、批評家が指導する摂動は、被害者自身の批判によって引き起こされる低次元の部分空間に集中しているということです。 この観測に基づいて、CIVAはまず、批評家誘導PGDで凍った犠牲者をオフラインで探索し、SVDにより低ランクの値空間を抽出する。 テスト時には、部分空間係数のみを最適化し、指数移動平均(EMA)で滑らかにし、ピクセルにマップする。 この設計は、オンライン最適化を安価かつ時間的に一貫性を維持しながら、価値に敏感なリカレントダイナミクスを攻撃します。 DMCウォーカーウォーク、Atari Pong、Crafterの大規模な実験では、CIVAは最近の5つの方法より一貫して優れており、DMCウォーカーウォークでは、時間変動を低く保ちながら26.07\%の報酬損失を達成し、TempAbsは0.646である。

関連論文リスト

• RAPID: A Real-Time Defense Against Unauthorized Model Distillation for Text-to-Image Services [39.83859782992819]
  テキスト・トゥ・イメージ(T2I)モデルはブラックボックス出力に基づく蒸留に弱い。 本稿では,無認可蒸留からT2Iモデルを保護するための枠組みを提案する。 本研究は,T2Iシステムにおける無認可蒸留に対するリアルタイム保護のパラダイムを確立する。
  論文  参考訳（メタデータ） (2026-09-14T16:11:23Z)
• Adversarial Attacks Already Tell the Answer: Directional Bias-Guided Test-time Defense for Vision-Language Models [44.54124778801062]
  VLM(Vision-Language Models)のテストタイムディフェンスは、大規模なリトレーニングを必要とせず、敵の攻撃を防御するための有望かつ効率的なアプローチとして登場した。 我々は,ディフェンスディビジョンを推定するテストタイムフレームワークであるディビジョンバイアス誘導ディフェンス(DBD)を提案し,ロバスト表現の復元にDBスコアベースの2ストリーム再構築戦略を採用している。 15個のデータセットで実験したところ、DBDはSOTA逆境の堅牢性を達成できるだけでなく、逆直観的な結果も示している。
  論文  参考訳（メタデータ） (2026-06-04T13:57:07Z)
• A Progressive Training Strategy for Vision-Language Models to Counteract Spatio-Temporal Hallucinations in Embodied Reasoning [49.61652671596548]
  「多像幻覚推論」では、前頭と時頭クエリ間の大規模なパフォーマンス低下は、真に理解するのではなく、表面的なショートカットへの依存を示す。 これを軽減するために、我々は、チェーンステップへの詳細な推論と決定的な判断に基づく、時間的連鎖構築という新しいデータセットを開発する。 実験により,本手法は精度を向上するだけでなく,70%以上から6.53%まで,前向きのパフォーマンスギャップも改善することが示された。
  論文  参考訳（メタデータ） (2026-04-12T07:48:44Z)
• FreezeVLA: Action-Freezing Attacks against Vision-Language-Action Models [124.02734355214325]
  Vision-Language-Action(VLA)モデルはロボティクスの急速な進歩を加速している。 敵画像はVLAモデルを「凍結」し、その後の命令を無視する。 FreezeVLAは、min-maxバイレベル最適化を通じて、アクション凍結攻撃を生成し、評価する。
  論文  参考訳（メタデータ） (2025-09-24T08:15:28Z)
• Timestep-Compressed Attack on Spiking Neural Networks through Timestep-Level Backpropagation [5.234835661080496]
  スパイキングニューラルネットワーク(SNN)に対する最先端の敵攻撃は、重大な制限に直面している。 本稿では,TCA(Timestep-compressed attack)を提案する。
  論文  参考訳（メタデータ） (2025-08-19T13:17:15Z)
• Curriculum-Guided Antifragile Reinforcement Learning for Secure UAV Deconfliction under Observation-Space Attacks [6.367978467906828]
  強化学習政策は、観測空間における敵の攻撃に対して脆弱である。 本稿では,段階的対向摂動のカリキュラムに適応するために設計された反フレジブルなRLフレームワークを提案する。 その結果, 反フランジ政策は標準およびロバストなRLベースラインよりも一貫して優れていた。
  論文  参考訳（メタデータ） (2025-06-26T10:10:41Z)
• Pixel-Optimization-Free Patch Attack on Stereo Depth Estimation [37.97727884936262]
  画素最適化攻撃を4つのステレオマッチングステージに拡張する統合フレームワークを構築した。 我々は,最初のピクセル最適化フリー攻撃であるPatchHunterを提案する。 KITTIでは、PatchHunterは、有効性とブラックボックス転送性の両方においてピクセルレベルの攻撃より優れている。
  論文  参考訳（メタデータ） (2025-06-21T08:23:02Z)
• Backdoor Attack Against Vision Transformers via Attention Gradient-Based Image Erosion [4.036142985883415]
  ビジョントランスフォーマー(ViT)は、様々なコンピュータビジョンタスクで従来の畳み込みニューラルネットワーク(CNN)を上回っている。 ViTはバックドア攻撃に対して脆弱で、敵がバックドアを被害者のモデルに埋め込む。 Intention Gradient-based Erosion Backdoor (AGEB) を提案する。
  論文  参考訳（メタデータ） (2024-10-30T04:06:12Z)
• Evaluating the Robustness of Semantic Segmentation for Autonomous Driving against Real-World Adversarial Patch Attacks [62.87459235819762]
  自動運転車のような現実のシナリオでは、現実の敵例(RWAE)にもっと注意を払わなければならない。 本稿では,デジタルおよび実世界の敵対パッチの効果を検証し,一般的なSSモデルのロバスト性を詳細に評価する。
  論文  参考訳（メタデータ） (2021-08-13T11:49:09Z)
• 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)
• Spatiotemporal Attacks for Embodied Agents [119.43832001301041]
  我々は、エンボディエージェントに対する敵攻撃を研究するための第一歩を踏み出した。 特に,時間次元と空間次元の両方の相互作用履歴を利用する逆例を生成する。 我々の摂動は強力な攻撃力と一般化能力を持っている。
  論文  参考訳（メタデータ） (2020-05-19T01:38:47Z)

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。