論文の概要: Lightweight Detection of Electromagnetic Signal Injection Attacks on Image Sensors

• arxiv url: http://arxiv.org/abs/2609.06973v1
• Date: Mon, 07 Sep 2026 03:10:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-12 01:57:59.489396
• Title: Lightweight Detection of Electromagnetic Signal Injection Attacks on Image Sensors
• Title（参考訳）: 画像センサを用いた電磁波注入攻撃の軽量検出
• Abstract要約: 電磁信号注入攻撃(ESIA)は、画像センサーに対する脅威が増大し、異なるインテリジェントシステムでの使用が増えている。 我々は,多くの現代の画像センサにすでに存在している非露光画素である,光学的に黒い画素を利用する軽量な検出方法を提案する。 検出手法は,受信機動作特性曲線(ROC-AUC)の99.6%,EER(Equal Error Rate)の0.027以下の領域を多様な攻撃条件で達成する。
• 参考スコア（独自算出の注目度）: 38.289607410215005
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Electromagnetic signal injection attacks (ESIA) pose a growing threat to image sensors, which are increasingly used in different intelligent systems. By emitting electromagnetic interference, adversaries can manipulate pixel values, potentially misleading downstream artificial intelligence (AI) models and causing unsafe decisions in these systems. We present a lightweight detection method that leverages optically black pixels, which are non-exposed pixels already present in many modern image sensors, to identify the attacks. Our detection approach achieves an area under the receiver operating characteristic curve (ROC-AUC) of up to 99.6\% and an Equal Error Rate (EER) as low as 0.027 across diverse attack conditions. Our method requires minimal computational overhead and no hardware modifications, making it a practical and effective defense for securing vision-based systems against ESIA.
• Abstract（参考訳）: 電磁信号注入攻撃(ESIA)は、画像センサーに対する脅威が増大し、異なるインテリジェントシステムでの使用が増えている。 電磁干渉を発生させることで、敵はピクセル値を操作でき、下流人工知能(AI)モデルを誤解させ、これらのシステムで安全でない決定を下す可能性がある。 我々は,多くの現代の画像センサにすでに存在している非露光画素である光黒画素を利用して,攻撃を識別する軽量な検出手法を提案する。 検出手法は, 受信機動作特性曲線 (ROC-AUC) の99.6\%, EER (Equal Error Rate) の領域を, 多様な攻撃条件で0.027まで低減する。 本手法は最小限の計算オーバーヘッドが必要であり,ハードウェア修正は不要であり,ESIAに対して視覚ベースのシステムを確保するための実用的で効果的な防御手段となる。

関連論文リスト

• Rainbow Artifacts from Electromagnetic Signal Injection Attacks on Image Sensors [16.11931222046411]
  画像センサーは、監視インフラ、自動運転車、産業自動化など、幅広い安全およびセキュリティクリティカルなシステムに不可欠なものだ。 本稿では,画像センサのアナログ領域を標的とした新しい電磁信号注入攻撃について検討する。
  論文  参考訳（メタデータ） (2025-07-10T13:55:35Z)
• RAID: A Dataset for Testing the Adversarial Robustness of AI-Generated Image Detectors [57.81012948133832]
  本稿では,72kの多種多様かつ高い変換可能な対向例からなるRAID(Robust Evaluation of AI- generated Image Detectors)を提案する。 提案手法は,未知の検出器に高い成功率で転送する逆画像を生成する。 以上の結果から,現在最先端のAI生成画像検出器は,敵の例によって容易に認識できることが示唆された。
  論文  参考訳（メタデータ） (2025-06-04T14:16:00Z)
• Semi-Truths: A Large-Scale Dataset of AI-Augmented Images for Evaluating Robustness of AI-Generated Image detectors [62.63467652611788]
  実画像27,600枚、223,400枚、AI拡張画像1,472,700枚を含むSEMI-TRUTHSを紹介する。 それぞれの画像には、検出器のロバスト性の標準化と目標評価のためのメタデータが添付されている。 以上の結果から,現状の検出器は摂動の種類や程度,データ分布,拡張方法に様々な感度を示すことが示唆された。
  論文  参考訳（メタデータ） (2024-11-12T01:17:27Z)
• Modeling Electromagnetic Signal Injection Attacks on Camera-based Smart Systems: Applications and Mitigation [18.909937495767313]
  電磁波は安全またはセキュリティクリティカルなシステムに脅威をもたらす。 このような攻撃により、攻撃者はリモートで画像を操作でき、誤ったAI判断につながる。 本研究は,攻撃に対する堅牢性を向上させるための対人訓練に関するパイロット研究である。
  論文  参考訳（メタデータ） (2024-08-09T15:33:28Z)
• Adversarial Infrared Blocks: A Multi-view Black-box Attack to Thermal Infrared Detectors in Physical World [4.504479592538401]
  逆赤外ブロック(AdvIB)と呼ばれる新しい物理的攻撃を提案する。 逆赤外ブロックの物理パラメータを最適化することにより、様々な角度から熱画像システムに対するステルスブラックボックス攻撃を実行することができる。 ステルスネスでは, 衣服の内部に赤外線ブロックを装着し, ステルスネスを高める。
  論文  参考訳（メタデータ） (2023-04-21T02:53:56Z)
• Adversarially-Aware Robust Object Detector [85.10894272034135]
  本稿では,ロバスト検出器 (RobustDet) を提案する。 本モデルは, クリーン画像の検出能力を維持しながら, 傾きを効果的に解き, 検出堅牢性を著しく向上させる。
  論文  参考訳（メタデータ） (2022-07-13T13:59:59Z)
• Detecting and Identifying Optical Signal Attacks on Autonomous Driving Systems [25.32946739108013]
  攻撃対象のセンサーを検知・識別する枠組みを提案する。 具体的には、3つのセンサーからなるシステムに対する攻撃を検知する新しい手法を最初に開発する。 本研究では,実データと最先端機械学習モデルを用いて,攻撃検出手法の評価を行う。
  論文  参考訳（メタデータ） (2021-10-20T12:21:04Z)
• Signal Injection Attacks against CCD Image Sensors [20.892354746682223]
  我々は,CCDイメージセンサが捉えた画像情報を操作するために,電磁エマニュエーションをどのように利用できるかを示す。 以上の結果から,インジェクトされた歪みが視覚に基づく自律的知能システムを破壊する可能性が示唆された。
  論文  参考訳（メタデータ） (2021-08-19T19:05:28Z)
• Exploring Adversarial Robustness of Multi-Sensor Perception Systems in Self Driving [87.3492357041748]
  本稿では,敵物体をホスト車両の上に配置することで,マルチセンサ検出の実用的感受性を示す。 実験の結果, 攻撃が成功した原因は主に画像の特徴が損なわれやすいことが判明した。 よりロバストなマルチモーダル知覚システムに向けて,特徴分断を伴う敵対的訓練が,このような攻撃に対するロバスト性を大幅に高めることを示す。
  論文  参考訳（メタデータ） (2021-01-17T21:15:34Z)
• Face Anti-Spoofing by Learning Polarization Cues in a Real-World Scenario [50.36920272392624]
  顔の偽造は生体認証アプリケーションにおけるセキュリティ侵害を防ぐ鍵となる。 RGBと赤外線画像を用いたディープラーニング手法は,新たな攻撃に対する大量のトレーニングデータを必要とする。 本研究では,実顔の偏光画像の物理的特徴を自動的に学習することにより,現実のシナリオにおける顔のアンチ・スプーフィング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T03:04:03Z)

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。