論文の概要: MROP: Mask-Region Optimized Purification Against Backdoor Attack in Deep JSCC

• arxiv url: http://arxiv.org/abs/2609.00786v1
• Date: Tue, 01 Sep 2026 06:31:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.417155
• Title: MROP: Mask-Region Optimized Purification Against Backdoor Attack in Deep JSCC
• Title（参考訳）: MROP:深部JSCCにおけるバックドアアタックに対するマスク規制の最適化
• Authors: Seongkyu Yang, Hyeonho Noh, Hyun Jong Yang, Jonggyu Jang,
• Abstract要約: ディープジョイントソースとチャネルコーディング(JSCC)は、直接チャネルシンボルにマッピングして、エンドツーエンドのディープニューラルネットワーク(DNN)を介してソースを送信し、レシーバーでそれを再構築する。 受信機は、送信された画像が破損した場合、容易にセキュリティ攻撃を検出することができない。 我々は,入力に添付された小さなトリガーパッチがデコーダに攻撃目標画像の出力を強制する,深部JSCCに対する入力パッチバックドア攻撃に対する防御について検討した。
• 参考スコア（独自算出の注目度）: 9.986296855958125
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep joint source and channel coding (JSCC) transmits a source by mapping it directly to channel symbols through an end-to-end deep neural network (DNN) and reconstructing it at the receiver. Taking image transmission as an application, this DNN pipeline behaves as a black box: the receiver cannot readily detect security attacks when the transmitted images are corrupted, thereby introducing a new security vulnerability. In this letter, we study defense against input-patch backdoor attacks on deep JSCC, in which a small trigger patch attached to the input forces the decoder to emit an attacker-chosen target image. Most existing patch-trigger defenses are designed for classification, leaving the reconstruction setting of deep JSCC unaddressed. We adapt the gradient mask defense to this reconstruction setting as a baseline and then propose mask-region optimized purification (MROP), which operates at inference and requires no retraining of the JSCC model. Unlike the baseline, which localizes the trigger from the input--output gradient, MROP instead places a per-pixel mask at the encoder input and optimizes it via a Gumbel-sigmoid relaxation to localize the trigger, then refines the trigger region to reconstruct the pure images better. In numerical results, we evaluate the proposed method on CIFAR-10 and STL-10 datasets along with the DeepJSCC and SwinJSCC models. By doing so, we show that the proposed method substantially lowers the attack success rate (ASR) while preserving the peak signal-to-noise ratio (PSNR) of clean reconstructions.
• Abstract（参考訳）: ディープジョイントソースとチャネルコーディング(JSCC)は、直接チャネルシンボルにマッピングして、エンドツーエンドのディープニューラルネットワーク(DNN)を介してソースを送信し、レシーバーでそれを再構築する。 このDNNパイプラインは、アプリケーションとしてのイメージ送信をブラックボックスとして振る舞い、送信されたイメージが破損した場合、受信側は簡単にセキュリティ攻撃を検知できないため、新たなセキュリティ脆弱性が生じる。 本稿では,入力にアタッチされた小さなトリガーパッチがデコーダに印加され,アタッカー・チョーゼンターゲット画像の出力を強制する,深部JSCCに対する入力パッチバックドア攻撃に対する防御について検討する。 既存のパッチ・トリガー・ディフェンスのほとんどは分類のために設計されており、深いJSCCの復元設定はそのまま残されている。 本研究は, このリコンストラクション設定に勾配マスク防御を応用し, 推論時に動作し, JSCCモデルの再トレーニングを必要としないマスク領域最適化精製(MROP)を提案する。 入力出力勾配からトリガをローカライズするベースラインとは異なり、MROPは代わりにエンコーダ入力にピクセル当たりのマスクを配置し、ガムベル・シグモノイド緩和によりトリガーをローカライズし、トリガー領域を改良して純粋なイメージをよりよく再構成する。 CIFAR-10 と STL-10 のデータセットと DeepJSCC と SwinJSCC のモデルを用いて,提案手法の評価を行った。 提案手法は, クリーンリコンストラクションのピーク信号-雑音比(PSNR)を保ちながら, 攻撃成功率(ASR)を大幅に低下させることを示す。

関連論文リスト

• SignDeepSC: A Semantic Signature-based Approach for Robust Semantic Communication [4.042562775811428]
  SignDeepSCは、トレーニング中に対向的なサンプル生成を必要とせずに、対向的な堅牢性を達成するアーキテクチャ防衛である。 システムは、受信者インスパイアされたセマンティックシグネチャの上に構築され、ソース特徴のコンパクトなベクトル概要が別々の低レート補助チャネルで送信される。
  論文  参考訳（メタデータ） (2026-07-28T12:54:13Z)
• SecDiff: Diffusion-Aided Secure Deep Joint Source-Channel Coding Against Adversarial Attacks [73.41290017870097]
  SecDiffは、プラグイン・アンド・プレイの拡散支援デコーディングフレームワークである。 対向無線環境下での深部JSCCの安全性と堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2025-11-03T11:24:06Z)
• SRD: Reinforcement-Learned Semantic Perturbation for Backdoor Defense in VLMs [57.880467106470775]
  攻撃者は、トレーニングデータに知覚不能な摂動を注入することができ、モデルが悪意のある攻撃的制御されたキャプションを生成する。 本稿では,引き金の事前知識を伴わずにバックドア動作を緩和する強化学習フレームワークであるセマンティック・リワード・ディフェンス(SRD)を提案する。 SRDはDeep Q-Networkを使用して、機密画像領域に個別の摂動を適用するためのポリシーを学習し、悪意ある経路の活性化を妨害することを目的としている。
  論文  参考訳（メタデータ） (2025-06-05T08:22:24Z)
• SING: Semantic Image Communications using Null-Space and INN-Guided Diffusion Models [52.40011613324083]
  近年, 無線画像伝送において, 共用音源チャネル符号化システム (DeepJSCC) が顕著な性能を発揮している。 既存の手法では、送信された画像とレシーバーの再構成されたバージョンとの間の歪みを最小限に抑えることに重点を置いており、しばしば知覚的品質を見落としている。 逆問題として,破損した再構成画像から高品質な画像の復元を定式化する新しいフレームワークであるSINGを提案する。
  論文  参考訳（メタデータ） (2025-03-16T12:32:11Z)
• BadRefSR: Backdoor Attacks Against Reference-based Image Super Resolution [14.605562676764636]
  RefSRは、高周波の詳細を回復するために追加の参照画像を利用する。 BadRefSRは参照イメージにトリガを追加し、混合損失関数でトレーニングすることで、RefSRモデルにバックドアを埋め込む。 我々の研究は、研究者にRefSRのバックドアリスクを警告することを目的としています。
  論文  参考訳（メタデータ） (2025-02-28T10:53:39Z)
• Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
  新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。 拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。 MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
  論文  参考訳（メタデータ） (2024-05-01T12:03:39Z)
• Backdoor Attacks for Remote Sensing Data with Wavelet Transform [14.50261153230204]
  本稿では,リモートセンシングデータに対するバックドア攻撃の系統的解析を行う。 そこで本研究では, 有害画像にトリガ画像を注入することで, 目に見えない攻撃を可能にする新しいウェーブレット変換ベースアタック(WABA)手法を提案する。 その単純さにもかかわらず、提案手法は攻撃成功率の高い最先端のディープラーニングモデルをかなり騙すことができる。
  論文  参考訳（メタデータ） (2022-11-15T10:49:49Z)
• Sparse and Imperceptible Adversarial Attack via a Homotopy Algorithm [93.80082636284922]
  少数の敵対的攻撃は、数ピクセルを摂動するだけでディープ・ネットワーク(DNN)を騙すことができる。 近年の取り組みは、他の等級のl_infty摂動と組み合わせている。 本稿では,空間的・神経的摂動に対処するホモトピーアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-06-10T20:11:36Z)
• Cooling-Shrinking Attack: Blinding the Tracker with Imperceptible Noises [87.53808756910452]
  The method is proposed to deceive-of-the-the-art SiameseRPN-based tracker。 本手法は転送性に優れ,DaSiamRPN,DaSiamRPN-UpdateNet,DiMPなどの他のトップパフォーマンストラッカーを騙すことができる。
  論文  参考訳（メタデータ） (2020-03-21T07:13:40Z)

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。