論文の概要: Bridging Digital Deception and Physical Fidelity: A Spatio-Temporal Attack on Cognitive Radars

• arxiv url: http://arxiv.org/abs/2610.27585v1
• Date: Tue, 20 Oct 2026 03:52:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.622862
• Title: Bridging Digital Deception and Physical Fidelity: A Spatio-Temporal Attack on Cognitive Radars
• Title（参考訳）: デジタル偽装と身体の忠実度:認知レーダに対する時空間攻撃
• Abstract要約: 本稿では,デジタルドメインの偽装と物理ドメインの忠実度を統一するセグメンテッド・スパティカル・テンポラル・アタックを提案する。 SSTAは、平均ブラックボックス攻撃成功率において、最先端のベースラインを10.36%上回っていることを示す。
• 参考スコア（独自算出の注目度）: 6.375869210264184
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As cognitive radars evolve towards the end-to-end processing of one-dimensional complex baseband sequences, deep networks face severe adversarial threats. However, existing attacks encounter dual limitations in practical electronic warfare: low cross-architecture transferability and severe vulnerability to physical channel distortions, which degrades their tactical reliability. To overcome these bottlenecks, we propose a physical prior-driven Segmented Spatio-Temporal Attack (SSTA). First, a global-local feature decoupling segmentation mechanism interrupts the adversarial gradients' dependence on long-range sequence coherence, bridging the cross-architecture feature gap. Second, moving beyond static norm constraints devoid of physical semantics, we abstract channel distortions into differentiable spatio-temporal operators, integrating them into momentum iterations via an Expectation over Transformation (EoT) strategy. Comprehensive cross-evaluations across 9 heterogeneous models spanning CNNs, RNNs, and Transformers demonstrate that SSTA outperforms the state-of-the-art baseline by 10.36% in Average Black-Box Attack Success Rate. Furthermore, baseband equivalent simulations confirm that the generated waveforms survive extreme physical distortions and, after matched filtering, achieve zero main-lobe attenuation (0 dB) with noise floor lift strictly within Constant False Alarm Rate tolerances. SSTA successfully unifies digital-domain deception and physical-domain fidelity, providing crucial support for CEW security assessment.
• Abstract（参考訳）: 認知レーダが1次元の複雑なベースバンドシーケンスのエンドツーエンド処理へと進化するにつれて、ディープネットワークは厳しい敵対的脅威に直面している。 しかし、既存の攻撃は、実際の電子戦において2つの制限に直面する: クロスアーキテクチャ転送可能性の低いことと、物理的なチャネル歪みに対する深刻な脆弱性であり、戦術的信頼性を低下させる。 これらのボトルネックを克服するために、物理的に事前駆動されたSegmented Spatio-Temporal Attack (SSTA)を提案する。 まず、大域的局所的特徴分離分離機構により、長範囲のシーケンスコヒーレンスへの逆勾配の依存を遮断し、クロスアーキテクチャの特徴ギャップを埋める。 第二に、物理的意味論を欠いた静的なノルム制約を超えて、チャネル歪みを微分可能な時空間作用素に抽象化し、変換に対する期待(EoT)戦略を通じて運動量反復に統合する。 CNN、RNN、トランスフォーマーにまたがる9つの異種モデルの総合的相互評価は、SSTAが平均ブラックボックス攻撃成功率において最先端のベースラインを10.36%上回っていることを示している。 さらに、ベースバンド等価シミュレーションにより、生成した波形が極端に物理的歪みに耐えることを確認した。 SSTAはデジタルドメインの偽造と物理的ドメインの忠実性を統一し、CEWセキュリティアセスメントの重要なサポートを提供する。

関連論文リスト

• Secure-CHG: A Comprehensive Framework for Robust and Fair Federated Learning via Hybrid Defense and Contribution-Aware Trust [4.5294318938213465]
  フェデレート・ラーニング(FL)は、ステルスなバックドア攻撃に非常に敏感である。 後期失敗」という基本的脆弱性を特定。 本稿では,防衛パラダイムを形態的検出から本質的な意味的貢献の検証へ転換するハイブリッドフレームワークSecure-CHGを提案する。
  論文  参考訳（メタデータ） (2026-06-30T02:53:16Z)
• TaFD: Threat-Aware Frequency Decoupling for Adversarial Robustness against Heterogeneous Attacks [6.525195905471157]
  マルチスレッドの堅牢性は、ディープラーニングにおける根本的な課題である。 関節対位訓練(JAT)は広く採用されているが、異種性脅威下での負の移動に悩まされている。 本稿では,JATを周波数領域分割・分散パラダイムとして再編成する2段階防衛フレームワークであるTreat-aware Frequency Decoupling (TaFD)を提案する。
  論文  参考訳（メタデータ） (2026-06-16T05:38:26Z)
• Robust Cross-Domain WiFi Fall Detection via Physics-Driven Attention-Enhanced Transformers [64.35403680946182]
  WiFiチャンネル状態情報(CSI)を利用したデバイスフリーの転倒検出が,高齢者の健康モニタリングのための有望なソリューションとして浮上している。 既存のディープラーニングアプローチでは、目に見えない環境にデプロイされた場合、パフォーマンスが大幅に低下する。 本稿では,新しいCNN-Transformerハイブリッドアーキテクチャを特徴とする,堅牢で汎用的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-23T03:28:12Z)
• Unlocking High-Fidelity Analog Joint Source-Channel Coding on Standard Digital Transceivers [54.82164616081277]
  D2AJSCCは、標準デジタルPHY上に高忠実度アナログJ SCCをデプロイできる新しいフレームワークである。 本システムは,SNR条件にまたがる優雅な劣化を伴って,ほぼ理想のアナログJ SCC性能を実現する。 ハードウェア変更なしにレガシーインフラストラクチャ上で次世代のセマンティックトランスミッションを可能にすることで,ネットワークの持続的進化を促進する。
  論文  参考訳（メタデータ） (2026-03-10T01:42:23Z)
• When World Models Dream Wrong: Physical-Conditioned Adversarial Attacks against World Models [54.08784776767683]
  本稿では,物理条件を乱す最初のホワイトボックス世界モデルアタックであるPhysCond-WMA(PhysCond-WMA)を提案する。 PhysCond-WMAは知覚の忠実さを維持しながら意味、論理、決定レベルの歪みを引き起こす。
  論文  参考訳（メタデータ） (2026-02-21T07:22:37Z)
• BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
  マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。 両課題に対処する統合フレームワークであるBadCLIP++を提案する。 ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。 持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
  論文  参考訳（メタデータ） (2026-02-19T08:31:16Z)
• SecDiff: Diffusion-Aided Secure Deep Joint Source-Channel Coding Against Adversarial Attacks [73.41290017870097]
  SecDiffは、プラグイン・アンド・プレイの拡散支援デコーディングフレームワークである。 対向無線環境下での深部JSCCの安全性と堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2025-11-03T11:24:06Z)
• Improving Black-Box Generative Attacks via Generator Semantic Consistency [51.470649503929344]
  ジェネレーティブアタックは テスト時に 1つのフォワードパスで 敵の例を生成する 初期ジェネレータの中間機能をEMA教師に整列させることで意味的整合性を実現する。 我々のアプローチは、ブラックボックス転送の一貫性を保ちながら、既存のジェネレーティブアタックにシームレスに統合することができる。
  論文  参考訳（メタデータ） (2025-06-23T02:35:09Z)
• TESSER: Transfer-Enhancing Adversarial Attacks from Vision Transformers via Spectral and Semantic Regularization [3.693610259830098]
  ディープニューラルネットワークの堅牢性を評価する上で、アドリヤルトランスファービリティは依然として重要な課題である。 textbfTESSERは、2つの主要な戦略を通じて転送可能性を高める新しい攻撃フレームワークである。 12の異なるアーキテクチャにわたるImageNetの実験では、TESSERはCNNでの攻撃成功率(ASR)が+10.9%高く、ViTでは+7.2%高かった。
  論文  参考訳（メタデータ） (2025-05-26T07:30:00Z)
• Towards Transferable Adversarial Attacks with Centralized Perturbation [4.689122927344728]
  逆転性により未知のディープニューラルネットワーク(DNN)に対するブラックボックス攻撃が可能に 現行の転送可能な攻撃は、画像全体に対する敵の摂動を引き起こし、結果として過度なノイズが発生し、ソースモデルに過度に適合する。 本稿では,周波数領域における微細な摂動を最適化し,集中的な摂動を生成するトランスファー可能な対向攻撃を提案する。
  論文  参考訳（メタデータ） (2023-12-11T08:25:50Z)

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。