論文の概要: StepTrigger: Contact-State-Triggered Backdoor Attacks on VLM-Powered Legged Robots

• arxiv url: http://arxiv.org/abs/2609.26131v1
• Date: Fri, 07 Aug 2026 04:58:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.885507
• Title: StepTrigger: Contact-State-Triggered Backdoor Attacks on VLM-Powered Legged Robots
• Title（参考訳）: StepTrigger:VLM搭載レッグロボットの接触状態のバックドア攻撃
• Abstract要約: 本稿では,VLM搭載脚ロボットに対する接触状態トリガーバックドアアタックであるStepTriggerを提案する。 トリガーはプロンプトトークンや目に見えるマーカーではない。Unitree Go1の四足歩行が密度の高い地形を横切るときに生じる、圧力と足場との接触パターンによって生成される。 あらゆる圧力異常をトリガーとして扱うのを避けるため、StepTriggerはマルチモーダルロボットの状態から選択的なバックドアポリシーを学ぶ。
• 参考スコア（独自算出の注目度）: 1.336375911696386
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models and vision-language models are increasingly used as high-level planners in robotic systems, using task goals and sensor summaries to select navigation or manipulation actions. This creates a new backdoor surface: a compromised planner can behave normally in most runs, yet change its target selection when a hidden trigger is present. Prior attacks on LLM-powered or embodied agents mainly rely on triggers that appear in language, camera-visible objects, scene semantics, or specific sequences of past actions. This paper presents StepTrigger, a contact-state-triggered backdoor attack for VLM-powered legged robots. The trigger is not a prompt token or a visible marker. It is produced by pressure and foot-ground contact patterns that arise when a Unitree Go1 quadruped walks across a dense terrain patch. Unlike conventional visual or textual triggers, contact signals are inherently noisy and may also arise during benign locomotion. To avoid treating every pressure anomaly as a trigger, StepTrigger learns a selective backdoor policy from multimodal robot state, using incidental pressure events as benign examples and dense-patch contacts as poisoned examples. In a stratified offline evaluation, the trained planner achieved 98.75% clean behavior preservation, 92.50% false-trigger rejection, 76.25% true-trigger activation, and 89.17% overall parsed behavior accuracy. These results reveal a backdoor surface in proprioceptive and contact channels that is not captured by defenses focused only on language, vision, or action history.
• Abstract（参考訳）: 大規模言語モデルと視覚言語モデルは、ロボットシステムの高レベルプランナーとして、タスク目標とセンサーサマリーを使用してナビゲーションや操作行動を選択することで、ますます利用されている。 妥協されたプランナーは、ほとんどの実行時に正常に振る舞うことができるが、隠れたトリガーが存在する場合、ターゲットの選択を変更することができる。 LLMで動くエージェントやエンボディされたエージェントに対する以前の攻撃は、主に言語、カメラ可視オブジェクト、シーンセマンティクス、過去のアクションの特定のシーケンスに現れるトリガーに依存していた。 本稿では,VLM搭載脚ロボットに対する接触状態トリガーバックドアアタックであるStepTriggerを提案する。 トリガーはプロンプトトークンや目に見えるマーカーではない。 圧力と地面の接触パターンによって生成され、Unitree Go1の4倍体が密度の高い地形を横断するときに発生する。 従来の視覚的トリガーやテキスト的トリガーとは異なり、接触信号は本質的にノイズがあり、良性移動中にも発生することがある。 あらゆる圧力異常をトリガーとして扱うのを避けるため、StepTriggerはマルチモーダルロボット状態から選択されたバックドアポリシーを学習し、偶発的な圧力イベントを良質な例として用い、高密度パッチ接触を有毒な例として用いた。 階層化されたオフライン評価では、訓練されたプランナーは98.75%のクリーンな行動保存、92.50%の偽トリガー拒絶、76.25%の真のトリガーアクティベーション、89.17%の全体的な解析された行動精度を達成した。 これらの結果から, 言語, 視覚, 行動履歴のみに焦点をあてた防御によって捉えられていない, プロバイオセプティブおよび接触チャネルのバックドア面が明らかとなった。

関連論文リスト

• Once Poisoned, Arbitrarily Controlled: A Programmable Backdoor in VLMs [23.18705886598491]
  視覚言語モデル(VLM)のバックドアは通常静的脆弱性として扱われる。 プログラム可能なバックドアをVLMに埋め込むことができる。 任意のキャプション制御パラダイムの提案は、トレーニング後の標的選択を中毒から切り離す。
  論文  参考訳（メタデータ） (2026-08-11T14:25:29Z)
• Beyond Attack Success Rate: Examining Trigger Leakage in Vision-Language Agentic Systems [36.30772806498619]
  VLAS(Vision-Language Agentic Systems)は、視覚を計画、道具の使用、身体行動に結びつけるシステムである。 バックドアタイプのトリガーは、決定パイプラインと接続されたインターフェースの両方を通じて伝搬することができる。
  論文  参考訳（メタデータ） (2026-06-10T18:33:52Z)
• Backdoor Directions in Vision Transformers [56.382912038371046]
  本稿では,視覚変換器(ViT)におけるバックドアアタックの表現方法について検討する。 我々は、トリガーの内部表現に対応するモデルのアクティベーションにおいて、特定のトリガー方向'を識別する。 この方向を診断ツールとして使用して、バックドア機能が層間でどのように処理されるかを追跡する。
  論文  参考訳（メタデータ） (2026-03-11T14:13:48Z)
• Backdoor Attacks on Open Vocabulary Object Detectors via Multi-Modal Prompt Tuning [5.0734761482919115]
  オープン語彙オブジェクト検出器(OVOD)は、視覚と言語を統一し、テキストプロンプトに基づいて任意のオブジェクトカテゴリを検出する。 我々は,OVODに対するバックドアアタックの最初の研究を行い,即時チューニングによって導入された新たなアタックサーフェスを明らかにする。
  論文  参考訳（メタデータ） (2025-11-16T19:05:31Z)
• Visual Backdoor Attacks on MLLM Embodied Decision Making via Contrastive Trigger Learning [89.1856483797116]
  MLLMをベースとした組込みエージェントに視覚的バックドアを注入する最初のフレームワークであるBEATを紹介する。 テキストトリガーとは異なり、オブジェクトトリガーは視点や照明の幅が広いため、確実に移植することは困難である。 BEATは攻撃の成功率を最大80%まで達成し、強い良識のあるタスクパフォーマンスを維持します。
  論文  参考訳（メタデータ） (2025-10-31T16:50:49Z)
• Not All Prompts Are Secure: A Switchable Backdoor Attack Against Pre-trained Vision Transformers [51.0477382050976]
  この作業でスイッチトークンと呼ばれる追加のプロンプトトークンは、バックドアモードをオンにすることができ、良心的なモデルをバックドアモードに変換することができる。 事前訓練されたモデルを攻撃するため、SWARMと呼ばれる攻撃はトリガを学習し、スイッチトークンを含むトークンをプロンプトする。 多様な視覚認識タスクの実験は、切り替え可能なバックドア攻撃の成功を確認し、95%以上の攻撃成功率を達成した。
  論文  参考訳（メタデータ） (2024-05-17T08:19:48Z)
• LOTUS: Evasive and Resilient Backdoor Attacks through Sub-Partitioning [49.174341192722615]
  バックドア攻撃は、ディープラーニングアプリケーションに重大なセキュリティ脅威をもたらす。 近年の研究では、特殊な変換機能によって作られたサンプル特異的に見えないトリガーを用いた攻撃が導入されている。 我々は、回避性とレジリエンスの両方に対処するために、新しいバックドアアタックLOTUSを導入する。
  論文  参考訳（メタデータ） (2024-03-25T21:01:29Z)
• BadCLIP: Trigger-Aware Prompt Learning for Backdoor Attacks on CLIP [55.33331463515103]
  BadCLIPは、CLIPに対するバックドア攻撃において、新しく効果的なメカニズムの上に構築されている。 画像に適用される学習可能なトリガーとトリガー対応コンテキストジェネレータで構成されており、トリガーはトリガー対応プロンプトを通じてテキスト機能を変更することができる。
  論文  参考訳（メタデータ） (2023-11-26T14:24:13Z)
• UNICORN: A Unified Backdoor Trigger Inversion Framework [13.841110859970827]
  トリガーインバージョンは、バックドアモデルを特定し、組込み敵行動を理解する効果的な方法である。 この研究は、異なる空間に注入されたトリガーと逆問題を定義し解析する。 そして,トリガの形式化とバックドアモデルの内部挙動の同定に基づいて,バックドアトリガを逆転させる統一的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-05T23:14:08Z)

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。