論文の概要: Don't Waste the Noise: Importance-Guided Perturbation Allocation under Joint Global and Local Constraints

• arxiv url: http://arxiv.org/abs/2610.00861v1
• Date: Thu, 01 Oct 2026 00:25:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.817483
• Title: Don't Waste the Noise: Importance-Guided Perturbation Allocation under Joint Global and Local Constraints
• Title（参考訳）: 騒音を無駄にしない:国際的・地域的制約下における重要誘導摂動配置
• Abstract要約: 本研究では, モデル感受性領域に対する摂動を制御し, 実現可能な摂動を一定に保ちながら, 重要誘導型アロケーション機構を導入する。 中心的な割り当ての目的は、平均以上の重要な場所での摂動を奨励し、他の場所で不要な支出を阻止することである。 キャパシティ制限された脅威設定下での10つのロバストモデル-データセット構成において、提案手法は一致したAPGDおよびPMAベースのベースラインに対する攻撃成功率を2.52ドルから17.70ドルまで改善する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Adversarial optimization under a shared $\ell_1$ budget requires deciding not only how much perturbation to use, but also where that limited budget should be spent. This allocation problem becomes particularly important when individual input coordinates are subject to local magnitude constraints, which restrict the extent to which perturbation can be concentrated on a small number of locations. We introduce an importance-guided allocation mechanism that uses a fixed clean-gradient prior to steer perturbation toward model-sensitive regions while leaving the feasible perturbation set unchanged. A centered allocation objective encourages perturbation at above-average importance locations and discourages unnecessary expenditure elsewhere, thereby redistributing rather than enlarging the available budget. Across ten robust model--dataset configurations under a common capacity-limited threat setting, the proposed method improves attack success over matched APGD- and PMA-based baselines by $2.52$ to $17.70$ percentage points. Allocation analysis shows that these gains are accompanied by substantially greater perturbation mass in high-importance regions without increased global $\ell_1$ consumption. Mechanism ablations further show that centered non-uniform redistribution provides part of the benefit, while model-derived importance yields an additional improvement. These results identify perturbation allocation as a distinct and practically relevant dimension of adversarial optimization under shared-budget, locally constrained threat models.
• Abstract（参考訳）: 共有された$\ell_1$の予算の下での敵の最適化は、どの程度の摂動を使用するかだけでなく、その限られた予算を使うべき場所を決定する必要がある。 この割当問題は、個々の入力座標が局所的な等級制約を受けており、摂動が少数の位置に集中できる範囲を制限するときに特に重要となる。 本研究では, モデル感度領域に対するスタイア摂動前において, 固定された清浄度を用いた重要誘導配置機構を導入し, 実現可能な摂動セットをそのまま残した。 中心的な割り当ての目的は、平均以上の重要な場所での摂動を奨励し、他の場所で不要な支出を回避し、利用可能な予算を増やすのではなく再分配することである。 キャパシティ制限された脅威設定下での10つのロバストモデル-データセット構成において、提案手法は一致したAPGDおよびPMAベースのベースラインに対する攻撃成功率を2.52ドルから17.70ドルまで改善する。 アロケーション分析により、これらの利得は、グローバルな$\ell_1$消費を増大させることなく、高重要性領域において非常に大きな摂動質量を伴っていることが示された。 メカニズムの短縮により、中心となる一様でない再分配が利益の一部となり、モデル由来の重要度がさらなる改善をもたらすことがさらに示される。 これらの結果は、共用予算、局所的制約付き脅威モデルの下で、摂動割り当てを敵最適化の独立かつ実践的に関係する次元として特定する。

関連論文リスト

• Optimal Allocation of Embedding Dimensions under Finite-Sample Constraints [0.0]
  本稿では,次元選択を制約付き割当問題として定式化する。 埋め込み能力は, 明示的な近似-推定トレードオフに従って, 異種カテゴリー予測器間で分配可能であることを示す。
  論文  参考訳（メタデータ） (2026-08-25T14:18:11Z)
• Ratio-Variance Regularized Policy Optimization [64.95520246570446]
  ポリシ比の分散を明示的に制約することは、信頼領域の制約に対する原則的な局所近似をもたらすことを示す。 本稿では,この制約を実装したR2bf VPO$(Ratio-Variance Regularized Policy Optimization)を紹介する。
  論文  参考訳（メタデータ） (2026-05-26T09:53:42Z)
• A Turn Toward Better Alignment: Few-Shot Generative Adaptation with Equivariant Feature Rotation [67.2019317630466]
  少ない撮影画像生成は、ごく少数の訓練画像を用いて、ソース生成モデルをターゲット領域に効果的に適応することを目的としている。 Equivariant Feature Rotation (EFR) は、ソースドメインとターゲットドメインを2つの相補的なレベルで整列させる新しい適応戦略である。 本手法は,対象領域内の生成性能を著しく向上させる。
  論文  参考訳（メタデータ） (2025-12-24T13:48:22Z)
• Additive Distributionally Robust Ranking and Selection [0.8283940114367679]
  そこで本研究では,$k + m - 1$の事前仮説クリティカルシナリオのみをサンプリングすることを目的とした,単純な加算割当(AA)手順を提案する。 AAが一貫したものであり、驚くべきことに、最も強い意味で付加性を達成することを証明します。 結果は、DRR&Sの加法構造に対する新しい、そして反直観的な洞察を与える。
  論文  参考訳（メタデータ） (2025-09-07T17:36:29Z)
• Computing entanglement costs of non-local operations on the basis of algebraic geometry [0.0]
  分離可能な(SEP)チャネルに対する最適化を体系的に単純化するフレームワークを開発する。 本フレームワークは,SEPチャネル下での非ローカル操作の実装において,ワンショットの絡み合いコストの計算に応用する。
  論文  参考訳（メタデータ） (2025-01-29T03:16:30Z)
• Quantization for decentralized learning under subspace constraints [61.59416703323886]
  エージェントがサブスペース制約を最小化するために個々のコスト関数を持つ分散最適化問題を考察する。 本稿では,エージェントが確率化量子化器を用いて推定値を圧縮する適応分散型戦略を提案し,検討する。 この分析は、量子化ノイズのいくつかの一般的な条件下では、平均二乗誤差と平均ビットレートの両方で戦略が安定であることを示している。
  論文  参考訳（メタデータ） (2022-09-16T09:38:38Z)
• Graph-Homomorphic Perturbations for Private Decentralized Learning [64.26238893241322]
  ローカルな見積もりの交換は、プライベートデータに基づくデータの推測を可能にする。 すべてのエージェントで独立して選択された摂動により、パフォーマンスが著しく低下する。 本稿では,特定のヌル空間条件に従って摂動を構成する代替スキームを提案する。
  論文  参考訳（メタデータ） (2020-10-23T10:35:35Z)
• A Unified Theory of Decentralized SGD with Changing Topology and Local Updates [70.9701218475002]
  分散通信方式の統一収束解析を導入する。 いくつかの応用に対して普遍収束率を導出する。 私たちの証明は弱い仮定に依存している。
  論文  参考訳（メタデータ） (2020-03-23T17:49:15Z)

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。