論文の概要: Anchoring Adversarial Trajectories to Data Manifolds: A Bilevel Transfer Optimization Framework

• arxiv url: http://arxiv.org/abs/2609.38991v1
• Date: Wed, 30 Sep 2026 05:05:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.202735
• Title: Anchoring Adversarial Trajectories to Data Manifolds: A Bilevel Transfer Optimization Framework
• Title（参考訳）: データマニフォールドへの逆行軌道のアンコール:双方向転送最適化フレームワーク
• Abstract要約: 逆転の鍵となるボトルネックは、軌跡レベルの幾何学的切断である。 本稿では,敵対的軌道を共有意味空間に固定する統一フレームワークであるAnchored Bilevel Transfer (MABT)を提案する。 実験では、28の攻撃構成、多様な犠牲者アーキテクチャ、防御機構にまたがる10のベースライン攻撃者の転送性が改善された。
• 参考スコア（独自算出の注目度）: 14.568689347801289
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A key bottleneck in adversarial transfer is a trajectory-level geometric disconnect: ambient gradients often drift away from the intrinsic data manifold, causing surrogate-specific overfitting. To rectify this, we propose Manifold Anchored Bilevel Transfer (MABT), a unified framework that anchors adversarial trajectories to the shared semantic subspace. MABT introduces a relaxed manifold-anchoring operator as a semantic rectifier to suppress off-manifold noise. With this constraint, we cast transfer attack generation as a distributional bilevel optimization problem that learns a geometry-aligned initialization by minimizing expected transfer risk under a surrogate uncertainty distribution. We further develop a Hessian-free solver with linear-time complexity to handle the resulting hierarchy. Experiments demonstrate improved transferability for 10 baseline attackers across 28 attack configurations, diverse victim architectures, and defense mechanisms.
• Abstract（参考訳）: 周囲勾配は内在的なデータ多様体からしばしば遠ざかっていて、サロゲート固有のオーバーフィッティングを引き起こす。 そこで本稿では, 対数軌道を共有意味部分空間に固定する統合フレームワークであるManifold Anchored Bilevel Transfer (MABT)を提案する。 MABTは、オフマンフォールドノイズを抑制する意味的整合子として、緩和された多様体アンカリング演算子を導入している。 この制約により、我々は、サロゲート不確実性分布の下で期待される転送リスクを最小化することにより、幾何整列初期化を学習する分布二段階最適化問題として転送攻撃発生をキャストする。 さらに、線形時間複雑性を持つヘッセン自由解法を開発し、結果の階層を扱う。 実験では、28の攻撃構成、多様な犠牲者アーキテクチャ、防御機構にまたがる10のベースライン攻撃者の転送性が改善された。

関連論文リスト

• Prototype-Anchored Generalized Manifold Regression for Unknown-Domain Object Detection [58.25418970608328]
  単一ソースドメイン上でトレーニングされた検出器を複数の未確認領域に転送することを目的としたシングルドメイン一般化オブジェクト検出(Single-DGOD)について検討する。 既存の手法は主に、トレーニング分布を拡大するために、データ拡張やテキストプロンプトといったシミュレーション駆動の戦略に依存している。 本稿では, 未知領域の一般化を多様体回帰問題として定式化する, Visual-Text Dual Chain-of-Thought (MR-DCoT) を用いたマニフォールド回帰を提案する。
  論文  参考訳（メタデータ） (2026-07-08T09:27:15Z)
• FlatManifold: Robust Continual Learning under Severe Label Noise and Domain Shifts via Intrinsic Manifold Flattening [0.7734726150561086]
  非定常ストリーミング環境では、連続学習による複雑で非線形なドメインシフトに同時に適応することが基本的な数学的課題である。 フラットマンフォールド(FlatManifold)は,平坦空間の本質的な数学的ロバスト性を生かした,簡潔な連続学習フレームワークである。 40%の対称ラベルノイズを含む厳しい条件下であっても,FlatManifoldは劣化の緩和に成功している。
  論文  参考訳（メタデータ） (2026-07-06T15:17:01Z)
• Geometry-Anchored Transport Framework for Exemplar-Free Class-Incremental Learning [6.63181149575886]
  巨視的異方性ドリフトを緩和するGeometry-Anchored Transport Frameworkを提案する。 また、局所化多様体の分解を正規化するトポロジー・アウェア進化の目的も導入する。 CIFAR-100、TinyImageNet、ImageNet-100にわたる実験では、提案されたフレームワークが既存のポストホック代替品を一貫して改善していることが示されている。
  論文  参考訳（メタデータ） (2026-06-24T03:27:20Z)
• Enhancing Gradient Inversion Attacks in Federated Learning via Hierarchical Feature Optimization [56.95448807869383]
  フェデレートラーニング(FL)は、プライバシを保存する分散機械学習の魅力的なパラダイムとして登場した。 近年の研究では、FLシステムで交換される勾配もプライバシー漏洩に弱いことが報告されている。 我々は textbfGradient textbfInversion over textbfFeature textbfDomains (GIFD) を提案する。
  論文  参考訳（メタデータ） (2026-04-01T14:32:15Z)
• TopoCurate:Modeling Interaction Topology for Tool-Use Agent Training [53.93696896939915]
  訓練用ツール使用エージェントは一般的に、パスレート選択されたタスクに対して、軌道変更の成功と強化学習(RL)に依存している。 TopoCurateは,同一タスクから多段階的なロールアウトを統一的な意味的商トポロジに投影する対話型フレームワークである。 TopoCurateは最先端のベースラインに対して4.2%(SFT)と6.9%(RL)という一貫したゲインを達成している。
  論文  参考訳（メタデータ） (2026-03-02T10:38:54Z)
• Riemannian Flow Matching for Disentangled Graph Domain Adaptation [51.98961391065951]
  グラフドメイン適応(GDA)は典型的には、ユークリッド空間におけるグラフ埋め込みの整列に逆学習を使用する。 DisRFMは、埋め込みとフローベースのトランスポートを統一する幾何学的なGDAフレームワークである。
  論文  参考訳（メタデータ） (2026-01-31T11:05:35Z)
• Rethinking Transferable Adversarial Attacks on Point Clouds from a Compact Subspace Perspective [55.919842734983156]
  CoSAは、共有された低次元セマンティック空間内で機能する転送可能なアタックフレームワークである。 CoSAは、最先端のトランスファー可能な攻撃を一貫して上回っている。
  論文  参考訳（メタデータ） (2026-01-30T15:48:11Z)
• Advancing Generalized Transfer Attack with Initialization Derived Bilevel Optimization and Dynamic Sequence Truncation [49.480978190805125]
  転送攻撃はブラックボックスアプリケーションに大きな関心を惹きつける。 既存の作業は、本質的に単一のレベルの目的 w.r.t. シュロゲートモデルを直接最適化する。 本稿では,上位レベル(UL)と下位レベル(LL)のサロゲート攻撃とのネスト関係を明示的に再構築する2レベル最適化手法を提案する。
  論文  参考訳（メタデータ） (2024-06-04T07:45:27Z)

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。