Fugu-MT 論文翻訳(概要): Investigating Adversarial Robustness of Heterogeneous Cooperative Perception

論文の概要: Investigating Adversarial Robustness of Heterogeneous Cooperative Perception

arxiv url: http://arxiv.org/abs/2609.17856v1
Date: Tue, 15 Sep 2026 21:27:20 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-20 08:55:53.548926
Title: Investigating Adversarial Robustness of Heterogeneous Cooperative Perception
Title（参考訳）: 不均一な協調知覚における対人ロバスト性の検討
Abstract要約: HetPoisonは学習したジェネレータで、1つのラベルフリーフォワードパスで摂動除去を行う。 HetPoisonは、被害者の検出器へのアクセスを必要とせずに、主要な不均一な設計を移動させる。 HetShieldは攻撃による強靭性の83%-95%を回復し,先行技術よりも優れていた。
参考スコア（独自算出の注目度）: 11.278100869961314
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Heterogeneous cooperative perception (CP) enables connected vehicles with diverse sensor setups to share spatial awareness via compact feature maps, where receivers reconcile these maps using learned translation modules for fusion and inference. Prior attacks against CP in a homogeneous setting reveal that the data exchange introduces a critical attack surface: a single malicious agent can transmit crafted features that erase real objects from a neighbor's fused scene. Yet, it is widely hypothesized that heterogeneity naturally defends against these attacks, as the attacker lacks knowledge of the victim's detector and the translation module scrambles adversarial gradients. We demonstrate that this protection is largely an illusion. Using a matched-objective harness to standardize the perturbation budget, objective, and forward path, we show that properly tuned iterative attacks close or reverse the apparent robustness gap. However, these optimization-based attacks require ground-truth labels and iterative backpropagation, meaning they do not represent a practical field threat running in real-time. To bridge this gap, we introduce HetPoison, a learned generator that crafts a removal perturbation in a single, label-free forward pass. HetPoison transfers across major heterogeneous designs without requiring access to the victim's detector, matching or exceeding the effectiveness of expensive optimizer-based attacks. Since heterogeneity itself is not a defense, we propose HetShield, a lightweight trust layer that validates the spatiotemporal consistency across features, recovering 83--95% of the accuracy degraded by attacks, outperforming prior art.
Abstract（参考訳）: 不均一協調認識(CP)により、様々なセンサーを備えた連結車両がコンパクトな特徴マップを通して空間認識を共有でき、受信機は融合と推論のために学習した翻訳モジュールを使用してこれらの地図を調整できる。 1人の悪意のあるエージェントが、隣人の融合したシーンから実際のオブジェクトを消去するクラフト的特徴を送信できる。しかし、攻撃者は被害者の検知器の知識を欠き、翻訳モジュールは敵の勾配を揺るがすため、不均一性はこれらの攻撃に対して自然に防御すると広く推測されている。この保護は大部分が錯覚であることを示す。一致した物体のハーネスを用いて、摂動予算、目的、前方経路を標準化し、適切に調整された反復攻撃が、明らかなロバスト性ギャップを閉じたり反転させたりすることを示す。しかし、これらの最適化ベースの攻撃は、地平線ラベルと反復的バックプロパゲーションを必要とする。このギャップを埋めるために、学習したジェネレータであるHetPoisonを紹介します。 HetPoisonは、被害者の検出器へのアクセスを必要とせず、高価なオプティマイザベースの攻撃の有効性を一致または超過することなく、主要な不均一な設計を移動させる。異種性自体が防御的ではないため,特徴間の時空間整合性を検証する軽量な信頼層であるHetShieldを提案し,攻撃によって劣化した精度の83～95%を回復し,先行技術を上回った。

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)
TwinGate: Stateful Defense against Decompositional Jailbreaks in Untraceable Traffic via Asymmetric Contrastive Learning [60.68349524623048]
分解されたジェイルブレイクは、大きな言語モデルにとって重大な脅威となる。我々はステートフルなデュアルエンコーダ防御フレームワークであるTwinGateを紹介する。我々は、8600の異なる悪意のある意図にまたがる360万以上の命令の包括的なデータセットを構築した。
論文参考訳（メタデータ） (2026-04-30T13:44:01Z)
Fragile Reconstruction: Adversarial Vulnerability of Reconstruction-Based Detectors for Diffusion-Generated Images [32.470971087318695]
本研究は,4つの異なる生成バックボーンモデルにおける3つの代表検出器の対向ロバスト性について,系統的評価を行った。我々は、ホワイトボックスシナリオにおける敵攻撃を構築し、十分に訓練された全ての検出器の性能を低下させる。また、ある検出器に対する攻撃を他の検出器に転送することもでき、検出器に対する敵攻撃もブラックボックスの設定で構築できることを示す。
論文参考訳（メタデータ） (2026-04-14T14:17:51Z)
DisPatch: Disarming Adversarial Patches in Object Detection with Diffusion Models [8.800216228212824]
最先端のオブジェクト検出器はいまだに敵のパッチ攻撃に弱い。オブジェクト検出のための最初の拡散型防御フレームワークであるDisdisを紹介する。 DISは、隠蔽攻撃と攻撃生成の両方において、最先端の防御を一貫して上回る。
論文参考訳（メタデータ） (2025-09-04T18:20:36Z)
GCP: Guarded Collaborative Perception with Spatial-Temporal Aware Malicious Agent Detection [11.336965062177722]
協調的知覚は、悪意のあるエージェントからの敵対的なメッセージ攻撃に対して脆弱である。本稿では,既存の単発外乱検出手法を損なう新しい盲検領域混乱(BAC)攻撃を明らかにする。本稿では、空間的時間的認識による悪意のあるエージェント検出に基づくガード付き協調認識フレームワークを提案する。
論文参考訳（メタデータ） (2025-01-05T06:03:26Z)
Meta Invariance Defense Towards Generalizable Robustness to Unknown Adversarial Attacks [62.036798488144306]
現在の防衛は主に既知の攻撃に焦点を当てているが、未知の攻撃に対する敵意の強固さは見過ごされている。メタ不変防衛(Meta Invariance Defense, MID)と呼ばれる攻撃非依存の防御手法を提案する。 MIDは高レベルの画像分類と低レベルの頑健な画像再生における攻撃抑制において,知覚不能な逆方向の摂動に対して同時に頑健性を実現する。
論文参考訳（メタデータ） (2024-04-04T10:10:38Z)
Mutual-modality Adversarial Attack with Semantic Perturbation [81.66172089175346]
本稿では,相互モダリティ最適化スキームにおける敵攻撃を生成する新しい手法を提案する。我々の手法は最先端の攻撃方法より優れており、プラグイン・アンド・プレイ・ソリューションとして容易にデプロイできる。
論文参考訳（メタデータ） (2023-12-20T05:06:01Z)
Guidance Through Surrogate: Towards a Generic Diagnostic Attack [101.36906370355435]
我々は、攻撃最適化中に局所最小限を避けるための誘導機構を開発し、G-PGAと呼ばれる新たな攻撃に繋がる。修正された攻撃では、ランダムに再起動したり、多数の攻撃を繰り返したり、最適なステップサイズを検索したりする必要がありません。効果的な攻撃以上に、G-PGAは敵防御における勾配マスキングによる解離性堅牢性を明らかにするための診断ツールとして用いられる。
論文参考訳（メタデータ） (2022-12-30T18:45:23Z)
Improving Adversarial Robustness to Sensitivity and Invariance Attacks with Deep Metric Learning [80.21709045433096]
対向ロバスト性の標準的な方法は、サンプルを最小に摂動させることによって作られたサンプルに対して防御する枠組みを仮定する。距離学習を用いて、最適輸送問題として逆正則化をフレーム化する。予備的な結果から, 変分摂動の規則化は, 変分防御と敏感防御の両方を改善することが示唆された。
論文参考訳（メタデータ） (2022-11-04T13:54:02Z)
Temporal Sparse Adversarial Attack on Sequence-based Gait Recognition [56.844587127848854]
このような攻撃に対して,最先端の歩行認識モデルが脆弱であることを示す。生成した対向ネットワークに基づくアーキテクチャを用いて、対向的な高品質な歩行シルエットやビデオフレームを意味的に生成する。実験結果から, フレームの1分の1しか攻撃されない場合, 対象モデルの精度は劇的に低下することがわかった。
論文参考訳（メタデータ） (2020-02-22T10:08:42Z)

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。