論文の概要: Pareto-Improving Adversarial Attacks with Primal-Dual Regularization

• arxiv url: http://arxiv.org/abs/2610.04652v1
• Date: Sat, 03 Oct 2026 16:50:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-11 18:05:20.304431
• Title: Pareto-Improving Adversarial Attacks with Primal-Dual Regularization
• Title（参考訳）: 一次2次正規化による対向攻撃のパレート改善
• Abstract要約: 我々は、固定予算プロトコルの下で、転送可能性と非受容性は互いにトレードオフすると主張している。 この潜在的優位性を利用するために、ステルス転送攻撃STを導入する。
• 参考スコア（独自算出の注目度）: 17.78862930798666
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Transferable adversarial attacks are arguably the most practical black-box threat model. Under the same perturbation budget, stronger transfer attacks attain higher attack success rate (ASR), yet their imperceptibility also tends to degrade. Under such a fixed-budget protocol, transferability and imperceptibility therefore appear to trade off against each other. We argue that this conflict is an artifact of fixed-budget evaluation, not an intrinsic trade-off. When attacks are compared on the ASR--imperceptibility Pareto frontier obtained by sweeping $ε$, stronger transfer attacks already attain better imperceptibility at matched ASR than weaker ones. To exploit this latent advantage, we introduce the stealthy transfer attack ST, a plug-in primal-dual wrapper that adds an $L_\infty$ saturation regularizer to the standard constrained objective and resolves it through a two-step primal-dual update: a projected primal step on the perturbation coupled with an $L_1$-ball projection on a dual variable that absorbs the regularizer through Fenchel duality, requiring no auxiliary models or handcrafted perceptual priors. Empirically, ST extends the Pareto frontier across different base attacks and additional surrogate architectures. At $ε{=}16/255$, average imperceptibility gains over each base attack are $17\%$ on LPIPS and $14\%$ on NIQE while ASR is preserved or improved. At matched high-ASR levels, the strongest ST variants further Pareto-dominate dedicated stealth-oriented transfer attacks, confirming that the latent imperceptibility advantage of strong transfer attacks can be unlocked by a primal-dual optimization wrapper without sacrificing transferability. Code will be made available at \url{https://github.com/AndssY/ST}.
• Abstract（参考訳）: 転送可能な敵攻撃は間違いなく最も実用的なブラックボックス脅威モデルである。 同じ摂動予算の下では、より強い移動攻撃はより高い攻撃成功率(ASR)を達成するが、その非受容性も低下する傾向にある。 このような固定予算プロトコルの下では、転送可能性と非受容性は互いにトレードオフしているように見える。 この対立は、本質的なトレードオフではなく、固定予算評価の成果物であると主張する。 ASRにおいて攻撃が比較されるとき、ε$を網羅して得られるParetoフロンティアは、より強力な転送攻撃が、マッチしたASRにおいて、より弱い攻撃よりもより優れた非受容性を達成している。 この潜在的優位性を活用するために、我々は、標準制約対象に$L_\infty$飽和化正規化子を付加するプラグインプリミティブデュアルラッパーであるステルス転送攻撃STを導入し、2ステップのプリミティブデュアル更新により解決する。 経験的に、STは異なるベースアタックと追加のサロゲートアーキテクチャにわたってParetoフロンティアを拡張している。 ε{=}16/255$で、各ベースアタックに対する平均的非受容性ゲインは、LPIPSで17\%、NIQEで14\%であり、ASRは保存または改善されている。 一致した高ASRレベルにおいて、最強のST変種はパレートが専用ステルス指向のトランスファー攻撃を優先し、強力なトランスファー攻撃の潜在的非受容性は、トランスファー可能性を犠牲にすることなく、原始的な双対最適化ラッパーによってアンロック可能であることを確認した。 コードは \url{https://github.com/AndssY/ST} で公開される。

関連論文リスト

• Boosting Transferable Adversarial Attacks against Deep Reinforcement Learning [7.609134886582979]
  深い強化学習に対する敵対的な攻撃の多くは、被害者の政策へのホワイトボックスアクセスを前提としており、実際にはほとんど行われない。 本稿では,DRLに対するトランスファーベースのブラックボックス攻撃について検討する。攻撃者は,ホワイトボックス・サロゲート剤の摂動を観測し,未知の被害者に供給する。
  論文  参考訳（メタデータ） (2026-10-05T10:14:05Z)
• Shared Vulnerabilities in Robustness-Optimized Defenses: One Breach Exposes the Family [22.335085458688372]
  対向的頑健性最適化は、対向的摂動下での正しい予測を維持することを目的としている。 新たなセキュリティリスクを特定します。これらのゲインは、防衛全体で共有脆弱性を発生させます。 より厳密な転送専用プロトコルと、故意に単純な適応攻撃であるPGDTransferを導入し、ロバストネス最適化された防御が転送専用脆弱性を共有するかどうかを検証する。
  論文  参考訳（メタデータ） (2026-07-20T01:17:28Z)
• 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)
• 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)
• Transferable Attack for Semantic Segmentation [59.17710830038692]
  敵が攻撃し、ソースモデルから生成された敵の例がターゲットモデルを攻撃するのに失敗するのを観察します。 本研究では, セマンティックセグメンテーションのためのアンサンブルアタックを提案する。
  論文  参考訳（メタデータ） (2023-07-31T11:05:55Z)
• Transfer Attacks Revisited: A Large-Scale Empirical Study in Real Computer Vision Settings [64.37621685052571]
  我々は,主要なクラウドベースのMLプラットフォームに対する転送攻撃について,最初の系統的実証的研究を行った。 この研究は、既存のものと矛盾しない多くの興味深い発見につながっている。 この作業は、一般的なMLプラットフォームの脆弱性に光を当て、いくつかの有望な研究方向を指し示している、と私たちは信じています。
  論文  参考訳（メタデータ） (2022-04-07T12:16:24Z)
• Investigating Top-$k$ White-Box and Transferable Black-box Attack [75.13902066331356]
  攻撃後の利子階級ランク (ICR) で示されるASRの上位100ドルに対して, より強い攻撃が実際より優れていることを示す。 そこで本稿では,ロジットの更新を暗黙的に最大化するために,新たな正規化CE損失を提案する。
  論文  参考訳（メタデータ） (2022-03-30T15:02:27Z)
• Towards Transferable Unrestricted Adversarial Examples with Minimum Changes [13.75751221823941]
  転送ベースの敵の例はブラックボックス攻撃の最も重要なクラスの一つである。 対人摂動の伝達可能性と非受容性の間にはトレードオフがある。 最小限の変更を伴って転送可能な逆例を生成するための幾何対応フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-01-04T12:03:20Z)
• Robustifying $\ell_\infty$ Adversarial Training to the Union of Perturbation Models [120.71277007016708]
  我々は、広く普及しているシングルアタック$ell_infty$ ATフレームワークの機能を拡張する。 我々の手法はSNAP(Noss Augmented Processing)と呼ばれ、単一攻撃ATフレームワークの優れた副産物を利用する。 SNAPは、標準的なシングルアタックATを用いて、ネットワークパラメータとともに分布を学習する形状のノイズ増強層を持つ、与えられたディープネットをプリペイドする。
  論文  参考訳（メタデータ） (2021-05-31T05:18:42Z)
• Adaptive Reward-Poisoning Attacks against Reinforcement Learning [43.07944714475278]
  強化学習に対する報奨攻撃では、攻撃者は各ステップで環境報酬$r_t$を$r_t+delta_t$に摂動することができる。 穏やかな条件下では、アダプティブアタックは状態空間サイズ$|S|$のステップで悪質なポリシーを達成できることを示す。 また,攻撃者は最先端の深層RL技術を用いて効果的な報酬中毒攻撃を発見できることを示す。
  論文  参考訳（メタデータ） (2020-03-27T19:46:23Z)

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。