論文の概要: GateDrain: Availability Attacks and Admission-Side Defense for Confidence-Gated Edge-Cloud Inference

• arxiv url: http://arxiv.org/abs/2609.33992v1
• Date: Sun, 27 Sep 2026 22:45:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-04 07:56:34.495161
• Title: GateDrain: Availability Attacks and Admission-Side Defense for Confidence-Gated Edge-Cloud Inference
• Title（参考訳）: GateDrain: 信頼できるゲート付きエッジクラウド推論のためのアベイラビリティアタックとアサインサイドディフェンス
• Abstract要約: 有界な入力摂動は、キャリブレーションされた信頼性を低くし、それ以外はローカルに応答するリクエストを共有クラウドキューにリダイレクトすることを示した。 エスカレートされたリクエストはクラウドサービスを共有するため、要求毎のクラウド需要の増加は、キューのひざを越えてほぼキャパシティのデプロイメントを移動させることができる。 提案手法は,ソース単位の受入予算,保護能力,非先制的信頼クラス優先度を組み合わしたバウンド・エスカレーションを評価する。
• 参考スコア（独自算出の注目度）: 4.678657922416968
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Confidence-gated edge--cloud inference accepts confident local predictions and offloads uncertain inputs to a stronger cloud model. We show that this routing decision creates an availability attack surface. We call this attack \emph{GateDrain}: bounded input perturbations lower calibrated confidence and redirect requests that would otherwise be answered locally into a shared cloud queue, without increasing the application request rate. Because escalated requests share a cloud service, an increase in per-request cloud demand can move a near-capacity deployment across a queueing knee, causing disproportionate tail-latency degradation for benign users. We evaluate white-box, transfer, decision-only, universal, and multi-gate attacks on the public EdgeBoost artifact. A fixed-application-volume comparison isolates the effect of confidence manipulation from added client traffic, while perturbation-budget and arrival-process sweeps show that the queueing transition persists across several workload models but its amplification depends on the operating point. Adaptive attacks also defeat the evaluated training-free preprocessing defenses. To contain the resulting cloud demand, we evaluate Bounded Escalation, which combines per-source admission budgets, protected capacity, and non-preemptive trusted-class priority; an optional global bucket adds an identity-independent bound on untrusted admissions. The evaluation makes the resulting policy trade-off explicit: authenticated clients receive latency isolation, whereas tighter aggregate containment can reject legitimate unauthenticated offloads and reduce overall expected accuracy through edge fallback.
• Abstract（参考訳）: 信頼できるエッジクラウド推論は、確実なローカル予測を受け入れ、不確実な入力をより強力なクラウドモデルにオフロードする。 このルーティング決定がアベイラビリティアタックサーフェスを生成することを示す。 境界入力の摂動 キャリブレーションされた信頼性の低下と、それ以外はアプリケーション要求率を増大させることなく、ローカルに応答する共有クラウドキューへのリダイレクト要求。 エスカレートされた要求がクラウドサービスを共有するため、要求毎のクラウド需要の増加は、キューイング膝を横切るほぼキャパシティデプロイメントを移動させ、良質なユーザにとって不適切なテールレイテンシの低下を引き起こす可能性がある。 公開EdgeBoostアーティファクトに対するホワイトボックス,転送,決定専用,ユニバーサル,マルチゲート攻撃を評価した。 固定アプリケーションボリューム比較は、クライアントトラフィックの追加から信頼性操作の効果を分離する一方、摂動予算と到着プロセスのスイープは、キューの遷移が複数のワークロードモデルにまたがって持続することを示しているが、その増幅はオペレーションポイントに依存している。 アダプティブアタックは、評価された訓練なし前処理防衛を破る。 クラウドの需要を満足させるために、ソース単位の受け入れ予算、保護容量、非プリエンプティブな信頼クラス優先度を組み合わせたバウンド・エスカレーションを評価し、オプションのグローバルバケットは、信頼できないインスペクションにID非依存のバケットを追加する。 認証されたクライアントは遅延分離を受け、厳密な集約は正当な認証されていないオフロードを拒否し、エッジフォールバックによる全体的な予測精度を低下させることができる。

関連論文リスト

• Detecting and Mitigating Backdoor Attacks in OTA-FL Systems: A Two-Stage Robust Aggregation Scheme [27.75838619796163]
  オーバー・ザ・エア・フェデレーション・ラーニング (OTA-FL) は無線チャネルの重ね合わせ特性を利用して通信効率を向上させる。 パラメータサーバは個々のローカル更新にアクセスできない。 OTA-FLにおけるバックドア攻撃に対する防御のための2段階のロバストアグリゲーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-19T01:57:31Z)
• FERA: Uncertainty-Aware Federated Reasoning for Large Language Models [60.52562148874846]
  我々は、サーバがプライベートなデモンストレーションを行う異種クライアントと協調することで、多段階推論を改善するフェデレーション推論について研究する。 重要な課題は、クライアントの信頼性がクエリ依存であるのに対して、サーバはクライアントデータを検査して、どのコントリビューションが信頼できるかを判断できません。 本稿では,サーバクライアントの反復的コリファインメントに基づくトレーニングフリーフレームワークである Uncertainty-Aware Federated Reasoning (FERA) を提案する。
  論文  参考訳（メタデータ） (2026-05-11T07:04:51Z)
• The Cognitive Firewall:Securing Browser Based AI Agents Against Indirect Prompt Injection Via Hybrid Edge Cloud Defense [0.0]
  Cognitive Firewallは3段階の分割計算アーキテクチャで、クライアントとクラウドにセキュリティチェックを分散する。 システムは、ローカルビジュアルセンチネル、クラウドベースのDeep Planner、実行時ポリシーを強制する決定論的ガードで構成される。
  論文  参考訳（メタデータ） (2026-03-24T23:49:15Z)
• Byzantine-Robust and Differentially Private Federated Optimization under Weaker Assumptions [89.52532304099522]
  フェデレートラーニング(FL)は、クライアントが生データを集中せずに共有モデルを共同でトレーニングすることを可能にし、固有のプライバシーレベルを提供する。 グラデーションとモデル更新は機密情報を漏洩する可能性があるが、悪意のあるサーバはビザンティン操作のような敵攻撃をマウントする可能性がある。 これらの脆弱性は、統合されたフレームワーク内の差分プライバシー(DP)とビザンチンの堅牢性に対処する必要性を強調している。 Byz-Clip21-SGD2Mを提案する。
  論文  参考訳（メタデータ） (2026-03-24T17:39:09Z)
• Your Inference Request Will Become a Black Box: Confidential Inference for Cloud-based Large Language Models [39.390624817461905]
  Talariaは、クライアントデータを保護するためにLarge Language Modelsパイプラインを分割する機密推論フレームワークである。 Talariaは、クライアントが制御するConfidential Virtual Machine内で、機密で重量に依存しない操作を実行する。 タラリアは最先端のトークン推論攻撃に対して防御でき、トークン再構成の精度は97.5%以上から平均1.34%まで低下する。
  論文  参考訳（メタデータ） (2026-02-27T06:37:07Z)
• ObCLIP: Oblivious CLoud-Device Hybrid Image Generation with Privacy Preservation [9.081441952478306]
  ObCLIPは、不愉快なクラウドデバイスハイブリッド生成のためのプラグアンドプレイセーフガードである。 厳格なプライバシと、サーバコストがわずかに向上したクラウドモデルに匹敵するユーティリティを提供する。
  論文  参考訳（メタデータ） (2025-10-05T11:09:10Z)
• G$^2$uardFL: Safeguarding Federated Learning Against Backdoor Attacks through Attributed Client Graph Clustering [116.4277292854053]
  Federated Learning (FL)は、データ共有なしで協調的なモデルトレーニングを提供する。 FLはバックドア攻撃に弱いため、有害なモデル重みがシステムの整合性を損なう。 本稿では、悪意のあるクライアントの識別を属性グラフクラスタリング問題として再解釈する保護フレームワークであるG$2$uardFLを提案する。
  論文  参考訳（メタデータ） (2023-06-08T07:15:04Z)
• Ada3Diff: Defending against 3D Adversarial Point Clouds via Adaptive Diffusion [70.60038549155485]
  ディープ3Dポイントクラウドモデルは敵攻撃に敏感であり、自律運転のような安全クリティカルなアプリケーションに脅威をもたらす。 本稿では,適応強度推定器と拡散モデルを用いて,プリスタンデータ分布を再構築できる新しい歪み認識型防衛フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-29T14:32:43Z)
• Over-the-Air Federated Learning with Privacy Protection via Correlated Additive Perturbations [57.20885629270732]
  我々は、複数のユーザ/エージェントからエッジサーバへの勾配更新をOtA(Over-the-Air)で送信することで、無線フェデレーション学習のプライバシー面を考察する。 従来の摂動に基づく手法は、トレーニングの精度を犠牲にしてプライバシー保護を提供する。 本研究では,エッジサーバにおけるプライバシリークの最小化とモデル精度の低下を目標とする。
  論文  参考訳（メタデータ） (2022-10-05T13:13:35Z)

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。