論文の概要: Combinatorial Lock for Trojan-Resilient AI Engines via Hash-Assisted Spectral Filtering

• arxiv url: http://arxiv.org/abs/2610.33437v2
• Date: Tue, 27 Oct 2026 14:09:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.342148
• Title: Combinatorial Lock for Trojan-Resilient AI Engines via Hash-Assisted Spectral Filtering
• Title（参考訳）: Hash-Assisted Spectral Filteringによるトロイの木馬耐性AIエンジンの組合せロック
• Abstract要約: マルチトリガーバックドア攻撃は、既存のショートカットベースの防御では対処できない。 本稿では,マルチトリガー識別を低減した,トレーニング不要で基準校正されたディフェンスである Combinatorial Lock を提案する。 マルチトリガーディフェンスは、トレーニングフリーで、トリガーオフブロードで、ハードウェアで直接実装できる。
• 参考スコア（独自算出の注目度）: 0.7666240799116113
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-trigger backdoor attacks, in which heterogeneous trigger mechanisms (e.g., patch, blend, warping, and the latent-domain Spy-Watermark) coexist within a single poisoned model, cannot be addressed by existing shortcut-based defenses that assume a single, static attack mechanism. Current multi-trigger remedies (BU+FT, BU+ANP, and BU+ABL) rely on backdoor unlearning, which incurs high training costs and loses effectiveness at low poisoning ratios. This paper proposes Combinatorial Lock, a training-free, reference-calibrated defense that reduces multi-trigger identification to a combinatorial problem over binary activation signatures. This formulation is the key novelty: it yields a multi-trigger defense that is training-free, trigger-oblivious, and directly implementable in hardware, since its decision rules can be evaluated with integer and logic operations. The framework combines anomaly-gated spectral scrubbing, which removes the malicious subspace only from inputs identified as anomalous, with a hash-compressed combinatorial signature verified by an ensemble of detection experts, including a compound-attack-aware expert for multi-trigger inputs. A joint threshold-shrinkage search identifies an operating point ($τ$ at the 97.1st percentile, $γ= 0.78$) that reduces the attack success rate (ASR) to as low as 0.1% while preserving 97.8% clean accuracy. Evaluation on six models (ResNet18, VGG16, MobileNet, AlexNet, ViT-Small, ViT-Base) shows strong generalization: near-100% ASR drops to single digits across poisoning rates of 1-10% and 1-9 simultaneous triggers, with only gradual degradation in clean accuracy. ASIC and FPGA implementations confirm practicality, adding a consistent 19-20% latency overhead across all evaluated architectures and establishing Combinatorial Lock as a hardware-native approach to multi-trigger backdoor mitigation.
• Abstract（参考訳）: マルチトリガーバックドア攻撃(例えば、パッチ、ブレンド、ワープ、潜伏ドメインのSpy-Watermark)は、単一の毒性モデル内で共存するヘテロジニアストリガー機構であり、単一の静的攻撃機構を前提とした既存のショートカットベースの防御では対処できない。 現在のマルチトリガー治療(BU+FT、BU+ANP、BU+ABL)は、高いトレーニングコストを発生させ、低中毒率で効果を失うバックドアアンラーニングに依存している。 本稿では,マルチトリガー識別をバイナリアクティベーションシグネチャに対する組合せ問題に還元する,トレーニング不要で基準校正されたディフェンスである Combinatorial Lock を提案する。 この定式化は重要なノベルティである: 決定ルールは整数演算や論理演算で評価できるため、トレーニング不要でトリガーの無い、ハードウェアで直接実装可能なマルチトリガーディフェンスが得られる。 このフレームワークは、異常なサブスペースを異常として特定された入力から除去する異常なゲートスペクトルスクレイビングと、マルチトリガー入力のための複合攻撃認識専門家を含む、検出専門家のアンサンブルによって検証されたハッシュ圧縮組合せシグネチャとを組み合わせる。 合同しきい値収縮探索では、97.8%の清潔な精度を維持しながら、攻撃成功率(ASR)を0.1%まで下げる動作点(97.1%パーセンタイルでτ$、$γ=0.78$)を特定する。 6つのモデル(ResNet18、VGG16、MobileNet、AlexNet、ViT-Small、ViT-Base)の評価は強力な一般化を示している。 ASICとFPGAの実装は実用性を確認し、評価されたすべてのアーキテクチャで19-20%のレイテンシのオーバーヘッドが一貫し、マルチトリガーバックドア緩和に対するハードウェアネイティブなアプローチとして Combinatorial Lockを確立する。

関連論文リスト

• AttackPathGNN: Cross-function vulnerability detection in smart contracts using state interference graphs and conjunction pooling [3.8615905456206256]
  Solidityスマートコントラクトのための既存の学習ベースの検出は、脆弱性検出を単一関数内のパターンマッチングに還元する。 本稿では,グラフニューラルネットワーク(GNN)であるAttackPathGNNを提案する。
  論文  参考訳（メタデータ） (2026-06-04T10:30:24Z)
• Checkerboard: A Simple, Effective, Efficient and Learning-free Clean Label Backdoor Attack with Low Poisoning Budget [23.409081157517264]
  Checkerboardは理論的に根拠のない、学習のないクリーンラベルのバックドア攻撃だ。 線形分離性定式化から閉形式にトリガを導出し,サロゲートモデルトレーニングとトリガ最適化の必要性を除去する。 4つのベンチマークデータセットで、Checkerboardは8つのベースラインアタックを上回り、毒の少ない予算下で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-05-02T07:14:49Z)
• Compiling Activation Steering into Weights via Null-Space Constraints for Stealthy Backdoors [48.881343993730844]
  安全性に整合した大規模言語モデル(LLM)は、現実世界のパイプラインにますますデプロイされている。 敵は通常の評価では動作しないバックドアのチェックポイントを配布することができる。 最近のポストホック重み付け法は、そのようなバックドアを注入するための効率的なアプローチを提供する。
  論文  参考訳（メタデータ） (2026-04-14T06:48:33Z)
• 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)
• HAMLOCK: HArdware-Model LOgically Combined attacK [6.047087245941092]
  本稿では,Hardware-Model Logically Combined Attack (HAMLOCK)を紹介する。 HamLOCKは、ハードウェアとソフトウェアの境界を越えて攻撃ロジックを分散する、はるかにステルスな脅威である。 ハードウェア・ソフトウェア・インタフェースに重大な脆弱性が発見され,新たな層間防御が要求された。
  論文  参考訳（メタデータ） (2025-10-22T00:31:49Z)
• Trigger Where It Hurts: Unveiling Hidden Backdoors through Sensitivity with Sensitron [21.451839464111785]
  バックドア攻撃は自然言語処理(NLP)システムに重大なセキュリティ上の脅威をもたらす。 既存のメソッドには説明可能なトリガ機構がなく、脆弱性パターンを定量的にモデル化することができない。 この研究は、ステルスで堅牢なバックドアトリガーを作るための新しいモジュラーフレームワークであるSensitronを紹介している。
  論文  参考訳（メタデータ） (2025-09-23T14:49:00Z)
• Isolate Trigger: Detecting and Eradicating Evade-Adaptive Backdoors [10.061164320086181]
  Isolate Trigger (IsTr) と呼ばれる高精度で効率的で普遍的な検出・防御フレームワークを導入する。 IsTrは、ソース機能のバリアを壊すことで、隠れたトリガーを見つけることを目的としている。 6回のEAB攻撃に対するIsTrの有効性を厳格に評価した。
  論文  参考訳（メタデータ） (2025-08-06T05:21:40Z)
• Revisiting Backdoor Attacks on LLMs: A Stealthy and Practical Poisoning Framework via Harmless Inputs [54.90315421117162]
  完全無害データを用いた新しい毒殺法を提案する。 自己回帰型LPMの因果推論に着想を得て,トリガーと肯定的応答プレフィックスの堅牢な関連性を確立することを目指す。 LLMは最初は同意するように見えるが,その後回答を拒む興味深い抵抗現象を観察する。
  論文  参考訳（メタデータ） (2025-05-23T08:13:59Z)
• Neural Antidote: Class-Wise Prompt Tuning for Purifying Backdoors in CLIP [51.04452017089568]
  CBPT(Class-wise Backdoor Prompt Tuning)は、テキストプロンプトでCLIPを間接的に浄化する効率的な防御機構である。 CBPTは、モデルユーティリティを保持しながら、バックドアの脅威を著しく軽減する。
  論文  参考訳（メタデータ） (2025-02-26T16:25:15Z)
• LOTUS: Evasive and Resilient Backdoor Attacks through Sub-Partitioning [49.174341192722615]
  バックドア攻撃は、ディープラーニングアプリケーションに重大なセキュリティ脅威をもたらす。 近年の研究では、特殊な変換機能によって作られたサンプル特異的に見えないトリガーを用いた攻撃が導入されている。 我々は、回避性とレジリエンスの両方に対処するために、新しいバックドアアタックLOTUSを導入する。
  論文  参考訳（メタデータ） (2024-03-25T21:01:29Z)
• Shortcuts Everywhere and Nowhere: Exploring Multi-Trigger Backdoor Attacks [63.89012304595422]
  ディープニューラルネットワーク(DNN)の事前トレーニングとデプロイに対して、バックドア攻撃は重大な脅威となっている。 本研究では,マルチトリガーバックドア攻撃(MTBA)の概念について検討し,複数の敵が異なる種類のトリガーを利用して同一のデータセットを毒する。
  論文  参考訳（メタデータ） (2024-01-27T04:49:37Z)

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。