論文の概要: How Much Do $\ell_1$ Attacks Need Concentrated Perturbations?

• arxiv url: http://arxiv.org/abs/2610.27773v1
• Date: Tue, 20 Oct 2026 07:37:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.699994
• Title: How Much Do $\ell_1$ Attacks Need Concentrated Perturbations?
• Title（参考訳）: $$$\ell_1の攻撃には集中的な妨害が必要か?
• Abstract要約: 私たちは、各メソッドのネイティブなアンキャップベースラインに対して、少なくとも32/255$の上限が、攻撃成功の中央値97%を保持していることを示します。 ループ内での制約付き最適化は、ポストホッククリッピングよりも攻撃成功率を最大8,8$ポイントまで維持する。
• 参考スコア（独自算出の注目度）: 0.5461938536945722
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A global $\ell_1$ budget limits how much an adversary may change an image, not how that change is distributed. We ask how much of an $\ell_1$ attack's observed success remains when large coordinate changes are restricted. We add a per-coordinate cap to the budget, enforce the joint constraint by exact in-loop projection, and sweep the cap for APGD-$\ell_1$, SLIDE, and FMN-$\ell_1$ without altering their objectives. Across 18 standard-model settings, caps of at most $32/255$ retain a median $97\%$ of attack success relative to each method's native uncapped baseline, while median peak magnitude falls by $80\%$ and median effective support nearly triples. At matched realized $\ell_1$, capped perturbations remain structurally distinct; separate ImageNet comparisons also show lower LPIPS and DISTS at selected caps. Direct in-loop constrained optimization preserves up to $88$ percentage points more attack success than post-hoc clipping, highlighting the importance of constraint enforcement. Suitable caps nevertheless vary across attacks and models, and adversarially trained classifiers exhibit more heterogeneous concentration sensitivity. These results establish perturbation concentration as a complementary, model- and attack-dependent axis of $\ell_1$ attack evaluation.
• Abstract（参考訳）: グローバル$\ell_1$の予算は、その変更がどのように分散されるかではなく、相手がどれだけ画像を変更できるかを制限する。 大きな座標変更が制限されたまま、$\ell_1$攻撃がどれだけ成功したか尋ねる。 APGD-$\ell_1$, SLIDE, FMN-$\ell_1$ の上限を目標を変更することなく、予算毎に調整し、ループ内プロジェクションを正確に強制する。 18の標準モデル設定で、少なくとも32/255$の上限は、各メソッドのネイティブなアンキャップベースラインに対する攻撃成功の中央値である97\%を保ち、中央値のピークマグニチュードは80\%、中央値の有効サポートはほぼ3倍である。 一致した$\ell_1$では、キャップ付き摂動は構造的に異なっている。 直接のループ内制約最適化は、ポストホッククリッピングよりも攻撃成功率を最大8,8$のパーセンテージで保持し、制約執行の重要性を強調している。 適切なキャップは攻撃やモデルによって異なるが、敵対的に訓練された分類器はより異質な濃度感受性を示す。 これらの結果から, 摂動濃度は, $\ell_1$攻撃評価の相補的, モデル, 攻撃依存軸であることがわかった。

関連論文リスト

• TileSkipper: Region-Adaptive Tile Pruning for 3D Gaussian Splatting [60.48772713715659]
  TileSkipperは凍結チェックポイントに対して、ガウス単位の静的カットオフポリシーを選択する。 Mip-NeRF 360、Tants & Temples、Deep Blendingの13のシーンで、固定政治のAccuTileスイープは、標準解像度で1.088times$、幅で1.238times$3840Pixelsというデータセットとマクロのスピードアップを提供する。
  論文  参考訳（メタデータ） (2026-10-07T03:01:51Z)
• Beyond Layers: Position-Resolved Gradient Conflict and Position-Aware Modulation for Unified Multimodal Models [10.526335126836573]
  統一マルチモーダルモデル(UMM)は、共有パラメータに基づく画像理解と自己回帰画像生成を訓練する。 位置認識変調 (PAM) を提案し, 高コンフリクト位置のみに生成勾配の反整合成分を除去する。 PAMはレイヤの分離を$+21$ MMEと$+2.4$ GenEvalで改善し、POPEと全体的なFIDにマッチする。
  論文  参考訳（メタデータ） (2026-09-29T20:14:33Z)
• Beyond the Hard Budget: Sparsity Regularizers for More Interpretable Top-k Sparse Autoencoders [9.291632832739822]
  我々はTop-k$アーキテクチャと互換性のある2つの空間正規化器を導入する。 私たちの中心的な発見は、互いに排他的というよりは、ハードなアーキテクチャのスパーシリティとソフトなスパーシリティの正則化が相補的であることです。
  論文  参考訳（メタデータ） (2026-06-25T17:34:39Z)
• The Ringelmann Effect in Multi-Agent LLM Systems: A Scaling Law for Effective Team Size [5.51170856062205]
  我々は,高密度ピアの影響がサブリニアからハードサイリングへと解答レベル体制を崩壊させることを示した。 30の高密度な議論剤はMMLU-Hardのそれ以上の答えの多様性をもたらす。 自由形式数学において、高密度なピアの影響は、解準線形からハードシーリングへの解準位体制を崩壊させる。
  論文  参考訳（メタデータ） (2026-05-31T16:19:54Z)
• Mind the Gap: A Causal Perspective on Bias Amplification in Prediction & Decision-Making [58.06306331390586]
  本稿では,閾値演算による予測値がS$変化の程度を測るマージン補数の概念を導入する。 適切な因果仮定の下では、予測スコア$S$に対する$X$の影響は、真の結果$Y$に対する$X$の影響に等しいことを示す。
  論文  参考訳（メタデータ） (2024-05-24T11:22:19Z)
• Expressive Losses for Verified Robustness via Convex Combinations [67.54357965665676]
  本研究では, 過近似係数と異なる表現的損失に対する性能分布の関係について検討した。 表現性が不可欠である一方で、最悪の場合の損失のより良い近似は、必ずしも優れた堅牢性-正確性トレードオフに結びついていないことを示す。
  論文  参考訳（メタデータ） (2023-05-23T12:20:29Z)
• Mind the box: $l_1$-APGD for sparse adversarial attacks on image classifiers [61.46999584579775]
  我々は、この効果的な脅威モデルのための最も急勾配ステップの空間性について検討する。 本稿では,小予算の反復であっても高い有効性を有するPGDの適応形式を提案する。
  論文  参考訳（メタデータ） (2021-03-01T18:53:32Z)
• Towards Defending Multiple $\ell_p$-norm Bounded Adversarial Perturbations via Gated Batch Normalization [120.99395850108422]
  既存の敵防衛は、個々の摂動に対するモデル堅牢性を改善するのが一般的である。 最近の手法では、複数の$ell_p$球における敵攻撃に対するモデルロバスト性を改善するが、各摂動型に対するそれらの性能は、まだ十分ではない。 我々は,複数の$ell_pの有界摂動を守るために,摂動不変予測器を逆向きに訓練するGated Batch Normalization (GBN)を提案する。
  論文  参考訳（メタデータ） (2020-12-03T02:26:01Z)

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。